谷歌產(chǎn)品經(jīng)理彭博士在周二舉行的公司年度I/O開發(fā)者大會(huì)上表示，該公司的技術(shù)可以捕捉到癌癥早期發(fā)病跡象。

　　據(jù)世界衛(wèi)生組織統(tǒng)計(jì)，肺癌導(dǎo)致的死亡人數(shù)超過(guò)其他任何癌癥。它也是最常見的癌癥類型之一，有超過(guò)200萬(wàn)的病例。

　　彭說(shuō):“我們知道，如果及早診斷，患者的存活率會(huì)更高。但不幸的是，超過(guò)80%的肺癌沒有及早發(fā)現(xiàn)?！?/p>

　　早期癌癥在CT掃描中很難看到，而晚期癌癥患者在早期掃描中往往僅顯示出細(xì)微的跡象。

　　彭表示谷歌利用美國(guó)國(guó)家癌癥研究所(National cancer Institute)和西北大學(xué)(Northwestern University)的肺癌掃描結(jié)果，訓(xùn)練了一個(gè)神經(jīng)網(wǎng)絡(luò)來(lái)檢測(cè)惡性腫瘤，其水平相當(dāng)于或高于訓(xùn)練有素的放射科醫(yī)生的診斷能力。

　　彭例舉了一個(gè)病例：一名沒有癥狀、沒有癌癥病史的病人接受了CT掃描，結(jié)果沒發(fā)現(xiàn)有任何癌癥病狀，但一年后的CT掃描卻發(fā)現(xiàn)了他是晚期癌癥。谷歌使用它的人工智能系統(tǒng)來(lái)檢查最初的掃描結(jié)果，該模型能夠在患者確診前一年就發(fā)現(xiàn)了早期癥狀。

　　彭表示對(duì)于這樣的病人，早期診斷意味著存活率將提高40%。

　　別小看這4成的概率，對(duì)于很多癌癥患者來(lái)說(shuō)，這個(gè)數(shù)字不光意味著生的希望，還能減少后期治療的大筆費(fèi)用和肉體精神上的雙重痛苦。

　　很明顯，對(duì)于醫(yī)療技術(shù)來(lái)說(shuō)這是一個(gè)非常好的開始，彭也非常希望與期待能和醫(yī)學(xué)界合作，利用AI技術(shù)幫助改善患者的治療結(jié)果。

　　對(duì)于癌癥預(yù)防和治療的研究從未停歇過(guò)，雖然現(xiàn)在的癌癥早已摘掉不治之癥的標(biāo)簽，但仍有較大概率致死，并且患者在治療期間需要承受極大的痛苦和精神壓力，光是化療就能將人的身心折磨到瀕臨崩潰的地步，而癌癥種類又很多樣，除了谷歌AI帶來(lái)的肺癌診斷外，麻省理工學(xué)院CSAIL的人工智能還能提前5年預(yù)測(cè)乳腺癌的發(fā)病。

　　乳腺癌是美國(guó)女性死亡的第二大癌癥。據(jù)估計(jì)，2015年，有23.2萬(wàn)名女性被診斷出患有乳腺癌，約4萬(wàn)人死于乳腺癌。

　　雖然像乳房X光檢查這樣的早起診斷手段已被廣泛應(yīng)用，2014年，僅在美國(guó)就進(jìn)行了3900多萬(wàn)次乳腺癌篩查，但它們并不總是可靠。大約10%到15%接受乳房X光檢查的女性在進(jìn)行非結(jié)論性分析后被要求重做檢查。

　　幸運(yùn)的是，在人工智能的幫助下，麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室(CSAIL)和麻省總醫(yī)院的科學(xué)家正在朝著更加一致和可靠的篩查程序邁進(jìn)。

　　在最新發(fā)表于《放射學(xué)》(Radiology)雜志上的一篇論文中，他們描述了一種機(jī)器學(xué)習(xí)模型，該模型可以通過(guò)乳房X光檢查來(lái)預(yù)測(cè)患者未來(lái)五年是否可能患上乳腺癌。

　　他們的工作建立在谷歌人工智能和Alphabet的DeepMind的基礎(chǔ)上。谷歌人工智能在10月份表示，它已經(jīng)開發(fā)出一種模型，能夠以99%的準(zhǔn)確率檢測(cè)轉(zhuǎn)移性乳腺癌。Alphabet的DeepMind去年驗(yàn)證了一種人工智能系統(tǒng)，倫敦大學(xué)學(xué)院(University College London)的CT掃描顯示出“接近人類的表現(xiàn)”。另外，紐約大學(xué)(New York University)的科學(xué)家最近推出了一種乳腺癌篩查模型，該模型經(jīng)過(guò)20多萬(wàn)次乳房X光檢查的訓(xùn)練，哈佛醫(yī)學(xué)院(Harvard Medical School)的一個(gè)團(tuán)隊(duì)設(shè)計(jì)了一種人工智能，可以檢測(cè)出導(dǎo)致某些癌癥的基因缺陷。

　　“與其采取一刀切的方法，我們還可以針對(duì)女性患癌癥的風(fēng)險(xiǎn)進(jìn)行個(gè)性化篩查，”一篇新論文的資深作者、乳腺癌幸存者雷吉娜·巴茲雷(Regina Barzilay)說(shuō)?！袄?，醫(yī)生可能會(huì)建議一組女性每隔一年接受一次乳房X光檢查，而另一組風(fēng)險(xiǎn)較高的女性可能會(huì)接受補(bǔ)充的MRI篩查?！?/p>

　　正如哈佛大學(xué)教授、論文合著者康斯坦斯?雷曼(Constance Lehman)所解釋的，大多數(shù)乳腺癌風(fēng)險(xiǎn)模型關(guān)注的是一系列風(fēng)險(xiǎn)因素，如年齡、乳腺癌和卵巢癌家族史、激素和生殖因素以及乳房密度。但其中一些因素與乳腺癌的相關(guān)性較低，損害了模型的準(zhǔn)確性。

　　Barzilay和他的同事們避開了手工模式和風(fēng)險(xiǎn)識(shí)別，而是采用了一個(gè)自主的系統(tǒng)，該系統(tǒng)對(duì)馬薩諸塞州總醫(yī)院6萬(wàn)多名患者的9萬(wàn)多張乳房X射線照片和已知結(jié)果進(jìn)行培訓(xùn)。從這些樣本中，人工智能系統(tǒng)“學(xué)會(huì)”了數(shù)據(jù)之間的關(guān)系，即使是技術(shù)高超的放射學(xué)家和腫瘤學(xué)家也可能忽略這些數(shù)據(jù)。

　　雷曼說(shuō):“自20世紀(jì)60年代以來(lái)，放射學(xué)家注意到，女性在乳房X光片中可以看到獨(dú)特且變化廣泛的乳房組織模式。這些模式可以代表基因、激素、懷孕、哺乳、飲食、體重減輕和體重增加的影響。我們現(xiàn)在可以利用這些詳細(xì)的信息，在個(gè)人層面上更精確地進(jìn)行風(fēng)險(xiǎn)評(píng)估。”

　　該團(tuán)隊(duì)還煞費(fèi)苦心地確保風(fēng)險(xiǎn)評(píng)估模型對(duì)少數(shù)族裔患者和白人患者一樣準(zhǔn)確，而早期模型并非總是如此。他們說(shuō)，這個(gè)模型對(duì)白人和黑人女性同樣準(zhǔn)確，在實(shí)驗(yàn)中，他們說(shuō)，該模型成功地預(yù)測(cè)了31%的高危癌癥患者，而傳統(tǒng)模型的預(yù)測(cè)率僅為18%。

　　Barzilay說(shuō)，它可以為乳房X光檢查奠定基礎(chǔ)，從而識(shí)別出患有心血管疾病或其他癌癥等其他健康問題風(fēng)險(xiǎn)更高的患者?！拔覀兊哪繕?biāo)是使這些技術(shù)上的進(jìn)步成為護(hù)理標(biāo)準(zhǔn)的一部分，”麻省理工學(xué)院CSAIL的博士生Adam Yala說(shuō)?！巴ㄟ^(guò)預(yù)測(cè)未來(lái)誰(shuí)會(huì)患上癌癥，我們有希望在癥狀出現(xiàn)之前挽救生命并避免感染癌癥?！?/p>

　　研究人員未來(lái)的工作目標(biāo)是將AI技術(shù)應(yīng)用于其他疾病的模型。