Google Health开发的AI系统实现了新的突破:在乳腺癌筛查上的准确性大大超过放射科医生。 乳腺癌已经是世界范围内女性最常见的癌症,并且是女性癌症死亡的首要原因。在欧美国家,乳腺癌占女性恶性肿瘤的25%—30%。在我国,乳腺癌也是女性第一高发恶性肿瘤。 同时, 尽早筛查是提高早期诊断率、率及质量的最为有效的方法。乳腺X线钼靶筛查作为最主要的筛查方式,已经被能有效降低乳腺癌死亡率。 一直以来,乳腺癌的早期筛查靠医生读片做判断,即使是最资深的医生,也时常存在误诊。假阳性会带来不必要的医疗流程,假阴性则会延误治疗。 此外,逐年上升的发病率,使得医疗资源面临压。Google Health的英国负责人Dominic King表示,英国的皇家放射科医生学院在2018年估计,该国将需要1000多名额外的专职放射科医生来满足需求。 此次论文的作者之一,西北大学麻醉学和生物医学工程研究助理教授Mozziyar Etemadi说: 读乳腺X射线片对机器学习和AI来说是完美问题。AI擅长把相同的任务做一遍又一遍,然后在10000次中发现一次不一样的。 大多数医院计算机系统的功能不足,甚至无法加载乳腺X线照片中提供的全部信息,因此放射线医生只能看到选定的信息。 与以往研究相比,这次研究有**三大特点:使用大规模临床数据集,验证了同一模型在英美两国可以通用,AI诊断正确率显著超越人类。 为什么美国的数据比英国好这么多?可能和不同的临床诊断机制有关,在英国,一个X射线片先由两位医生进行诊断,出现后再增加第三位;在美国,则只经过一位医生诊断 2、为了看同一个模型在不同人群之间是否可以通用,研究者只用英国女性的数据对模型进行了训练,然后用美国女性的数据集进行评估,结果依旧可观: 结果很有趣,虽然AI的诊断正确率高于人类,但是AI和人眼所遗漏的诊断却彼此互补。AI能捕捉到人类的遗漏,人类也能捕捉到AI的遗漏。 我们只需要更好地了解AI之类的工具何时提供帮助,什么时候不提供帮助,最终结合技术和人类贡献,最终改善护理并提高其效率。 随后,谷歌研究团队DeepMind创始人Hassbis回复了LeCun ,我们引用了这篇论文。 至关重要的是,后续的普遍使用的间隔时间不超过12个月,意味着更到下一次检测前,更微妙癌症病情可能会被忽略。 别忘了去年NYU发表了更好的结果,基于更多的陈廷敬的后人案例,和更多人数的人类阅片做比较,而且模型和数据开源。 因为中国女性的乳房结构和欧美相比差异明显。中国女性的乳房脂肪较少,腺体占比大,有50%属于纤维型。腺体遮蔽和结构噪声更为明显,正常的乳腺组织和病灶区分度更小。 依图与复旦大学肿瘤医院进行合作,采用了万量级的带有病理结果的影像数据来进行AI模型的构建,使其更适用于中国人。 腾讯觅影乳腺肿瘤筛查AI系统则是中国首个相关系统。官网数据显示,其系统的钙化和肿块检测的度分别为99%和90.2%。良恶性的度和度分别为87%和96%。 此外,腾讯觅影在研发将AI技术和超声筛查相结合的产品。优图实验室医疗人工智能科学家郑冶枫认为,超声仪器的价格更低,在基层推广上具有更大潜力。
|