DeepMind AI系统检测乳癌准确度超过专家,可大幅降低X光照片解读工作负担

DeepMind在《自然》科学期刊发布了一个经9万笔数据训练的人工智能模型,能够比人类放射线专家还要更精确的识别乳癌,而且还可以敏感地找出伪阴性的案例,也就是那些实际患有乳癌,但是却被判读成正常的图像,而这对于乳癌的治疗有很大的帮助。

乳癌是女性癌症的第二大死因,研究证明,乳癌若能即早发现治疗的话,将可以逆转这个情况,而乳房X光摄影是能够早期发现乳癌症状的方法,进而能够让病患提早接受治疗,但是解释乳房X光摄影有其限制,专家检测癌症的能力差异很大,可能产生伪阳性和伪阴性错误判断结果。

DeepMind、英国癌症研究中心、西北大学和皇家萨里郡医院合作,开发能够预测乳癌的人工智能系统,这个人工智能系统同时使用来自英国以及美国的数据集。在美国女性每一年或是两年接受一次X光摄影,照片由一位放射科医师解读,在英国则是每三年进行一次检查,每张X光照片由两位放射科医师解读,而研究团队则利用美国与英国的数据集,来开发并评估人工智能系统。

英国数据集包含2012年至2015年间,所有受筛检女性的10%随机样本,其中包括25,856名女性,而有785位接受活检,其中有414名妇女之后被诊断出癌症。美国的数据集则是来自一个医学中心的数据,内置从2001年至2018年3,097名妇女的乳房X光照片,其中有1,511个人接受活检,接受活检的妇女则有686位在活体检查后被诊断出患有癌症。

研究团队把人工智能系统和人类专家的判读结果相比,利用美国的数据集进行评估,能够减少5.7%的伪阳性错误判断几率,而在英国的数据集则能减少1.2%伪阳性误判率,在伪阴性方面,人工智能在美国案例降低了9.4%误判率,而在英国案例则是降低2.7%误判率。

而研究团队也测试了系统的通用性,只用英国数据集训练人工智能系统,并用美国受试者数据集进行评估,结果同样是人工智能系统超越人类专家的表现。研究团队表示,这样的结果可以使人们更相信人工智能系统,并在没有定期乳癌筛检计划的地区,提供妇女精确的乳癌筛检服务。

虽然研究团队还没找出部署人工智能乳癌筛检系统的最佳方法,但是将人工智能系统部署为照片第二解读者,可以有效降低医疗人员的工作负担,在仿真实验中,人工智能系统辅助英国的双重解读系统,只要付出12%的解读工作负担,就能维持现有的筛检性能。

发表评论