【產業鏈圖譜 | 人工智能產業鏈圖譜_人工智能產業鏈全景圖】

【研究報告 | 人工智能行業研究報告】

　　人工智能技術現已經開始影響生物醫藥行業，谷歌最近發現了新技術能夠對乳腺癌進行篩查，并且被證明準確率已經高達99%，這項技術的影響重大，有很深的研究意義。

　　乳腺癌現今檢查需要進步

　　據不完全統計，僅2012年全球診斷出近170萬例乳腺癌病例，乳腺癌成為女性癌癥死亡的第五大常見原因。目前乳房X光檢查是一種廣泛用于早期乳腺癌的檢查手段。

　　但據調查研究表明，如今乳房X線圖像分析準確率較低，大約20%的乳房X線圖像存在假陰性，這意味著可能存在醫生或技術人員未發現的癌癥現象。同時，乳房X線圖像的假陽性也是一個重要問題。

　　在美國，連續10年中進行年度乳房X光檢查的女性，有超過50%會出現假陽性結果，從而導致了一系列不必要的檢查和化療。“而這些都可能給患者帶來壓力，并“給世界各地的醫療服務增加壓力和成本，”DeepMind健康部門的臨床負責人Dominic King說。

　　谷歌新工具識別準確率為99%

　　近日，谷歌的研發人員開發了一種深度學習工具，使用兩套病理載玻片訓練其算法(Lymph Node Assistant，又稱LYNA)識別腫瘤的特征，使其能夠在各種條件下發現轉移。實驗顯示，轉移性乳腺癌的檢測精度測試中，LYNA的準確率達到99%，這比人類病理學家更勝一籌。即使是及其微小的轉移，人工智能都能夠準確的分辨。

　　人工智能識別癌癥采用了深度學習

　　在據了解，LYNA基于Inception-v3，這是一種開源圖像識別深度學習模型，已被證明可以在斯坦福的ImageNet數據集上實現78.1%的準確率。

　　正如研究人員解釋的那樣，它需要一個299像素的圖像(Inception-v3的默認輸入大小)作為輸入，并且在訓練過程中，提取組織貼片的標簽，預測腫瘤為良性或者惡性，并調整模型的算法權重以減少誤差。在測試中，LYNA實現了99.3%的幻燈片級精度。當調整模型的靈敏度閾值以檢測每張載玻片上的所有腫瘤時，其靈敏度為69%。

　　LYNA能準確識別評估數據集中的所有40個轉移灶，沒有任何誤報。此外，它不受載玻片中的人工制品的影響，例如氣泡，加工不良，出血和過度涂抹。

　　當然，LYNA并不完美，它偶爾錯誤地把巨細胞、生發癌和骨髓來源的白細胞稱為組織細胞，但是它設法比負責評估相同載玻片的執業病理學家表現更好。

　　這項技術采用的是深度學習算法，通過人工智能技術參與到檢測乳腺癌的工作中，讓檢測工作更加容易，及時的發現治療對治療病癥大有幫助。