取代医生？这个AI系统识别乳腺癌症状准确率高达92%

如今，包括谷歌、IBM等越来越多科技公司研究将人工智能技术应用于乳腺癌筛查，并已经取得了不错的进展。

美国云计算巨头Salesforce最近宣布其一项AI技术也能帮助识别乳腺癌的迹象，准确率高达92%。

识别乳腺癌症状准确率高达92%

日前，Salesforce揭开了其一项名为“ReceptorNet”机器学习系统的面纱，该项目由Salesforce公司的研究人员与南加州大学医学研究所医生劳伦斯J.埃里森一同合作开发的。

根据发表在《自然通讯》杂志上的一项研究介绍，该系统可以为肿瘤学家在为乳腺癌患者制定适当治疗方案时候，识别乳腺癌关键的标志生物症状，准确率达到92%。

数据显示，乳腺癌的发病率在全球各个地方几乎都在上升，每年有200多万女性患乳腺癌。在美国，每8个女性中就有1个会在一生中患上这个疾病。

为了解决这个问题，Salesforce的研究人员开发了一种算法，即前面提到的“ReceptorNet”，它可以有效利用可低成本且大量获取的组织图像来预测激素受体的状态。通常，检测乳腺癌细胞需要通过活检或手术中提取，但这类型的活检图像并不太容易获取，需要病理学家审查。

Salesforce的研究人员用数千张图像对ReceptorNet系统进行培训，让该系统可以通过照片分析激素受体状态，包括形状、大小和结构的细胞等等。

研究表明，许多用于训练诊断疾病的算法的数据可能会因使用的样本不同，使不平等持续下去。但Salesforce表示，当它分析ReceptorNet在年龄、种族和地理上是否存在偏见迹象时，发现并没有差异。他们还表示，无论所分析的组织样本的制备方法有何不同，ReceptorNet都能做出准确的预测。

Salesforce认为，像ReceptorNet这样的系统如果应用于临床，可以帮助降低护理成本和治疗乳腺癌所需的时间，同时提高准确性，为患者提供更好的治疗结果。

其它公司在这方面取得的进展

除了Salesforce之外，许多科技巨头也投资了人工智能在医学方面的研究。

今年1月，谷歌旗下的谷歌Health发布了一种人工智能模型，该模型通过对9万多张x光片的训练，比放射科医生判断取得了更好的效果。谷歌声称，与传统的工作方式相比，该算法可以识别出更多的假阴性——那些看起来正常但含有乳腺癌的图像，但一些临床医生、数据科学家和工程师对这一说法提出了异议。

今年3月份，IBM Research也于多家机构合作，测试在乳腺癌筛查中应用人工智能技术。这项研究使用医疗研究机构310800多张未识别的乳房x线照片和临床数据，并使用这些数据训练算法以识别肿瘤。

总而言之，这些研究目的是通过整合人工智能（AI）来降低误报率(即癌症诊断)，并在有癌症时减少漏诊，从而改善情况。在未来，人工智能不会取代所有医生，但将取代不使用人工智能的医生。

文章来源于网络，如有侵权请联系删除。