百度深度学习算法乳腺癌诊断准确性超过人类医生

图片来源：百度

百度研究中心今天宣布开发了一种深度学习算法，该算法在鉴定乳腺癌转移的初步测试中准确性超过了人类病理学家。

百度的卷积神经网络的训练数据来自400张大图片分割成的数万张较小图片的网格，从中随机选择200,000张图片由算法对这些图片及相邻细胞进行分析并分类。

为了帮助病理学家分析文件大小高达数G的高像素图像，百度引入了多种算法来“切割”这些医学影像图片。百度的算法试图通过模仿病理学家的方法来检查乳腺癌肿瘤细胞的周边组织——一次检查单个细胞和附近的细胞，从而推动这项技术的发展。

“我们的创新和算法在于，我们在获取图像网格的基础上，为组织细胞的空间关系建模，通过它们的空间关联性综合预测它们中的每一个是肿瘤细胞还是正常细胞。而且由于掌握了这种空间相关性，该算法的预测准确性也大为提高，“百度硅谷人工智能实验室的机器学习研究科学家Yi Li 在接受Venturebeat电话采访中表示。

在FROC评分中，百度的算法得分为80.9，高于人类病理学家的平均值72.4和卡梅隆挑战赛（Camelyon 16）冠军的80.74分，该赛事由开放医学图像计算联盟组织。值得注意的是，去年Google AI研究发布的癌症检测算法获得了89分的FROC评分，依然是业界的标杆表现。

用于训练百度算法的图像来自  Camelyon16挑战赛，包括肿瘤影像、非肿瘤影像以及其他一些未被分类的图像。

近年来，人工智能技术在医学影像分析领域突飞猛进，从图像中检测皮肤癌或糖尿病性视网膜病等疾病的能力已经赶上甚至超越人类医学专家，以至不少人认为计算机视觉是为迄今为止最有前途的人工智能应用之一。

Li透露，为了推动该技术的发展，百度计划开放其诊断算法：

“我们实际上正在研究如何开源这种算法，这样可以使整个医学研究界甚至整个医疗行业受益，”他说。“为了测试这些算法是否实际适用于临床环境，我们需要寻求与医院或其他医疗资源的更多合作来评估我们的算法在更大的数据集以及面对不同类型的癌细胞时是否依然可以保持较高的准确性，甚至胜过经验丰富的病理学家。“

值得留意的时，近日纽约大学的研究人员也公开发表了基于深度卷积神经网络的乳房密度分类算法，乳房密度也是乳腺癌筛查图像分析的关键因素。