近期，谷歌健康部門(Google Health)聯(lián)合公司旗下人工智能企業(yè)DeepMind及多家英美醫(yī)學機構在《自然》雜志上發(fā)表了人工智能AI乳腺癌檢測系統(tǒng)研究進展，該系統(tǒng)檢測乳腺癌的能力超過專業(yè)放射科醫(yī)生，或有助提高乳腺癌篩查的準確性和效率。(Nature. 2020; 577: 89-94. doi: 10.1038/s41586-019-1799-6.)

當前乳腺癌診斷一般是進行乳房X線攝影，由放射科醫(yī)生進行檢查評估，易產(chǎn)生誤診和漏診現(xiàn)象，有些女性被誤診腫瘤，還有一部分未被檢出。過去幾年，Google Health部門一直試圖通過人工智能解決疾病診斷不準確的問題。

該人工智能模型將76 000多名英國女性和15 000多名美國女性的乳房X線攝影作為訓練數(shù)據(jù)集，訓練人工智能深度學習模型。通過對25 856張英國女性乳房X線攝影和3 097張美國女性乳房X線攝影進行結果測試發(fā)現(xiàn)，該人工智能模型檢測結果要比人類放射科醫(yī)生的診斷結果好很多，同時還可以識別出醫(yī)生遺漏掉的患有乳腺疾病的X線影像。該人工智能模型假陽性率(誤診率)比放射科醫(yī)生低5.7%(美國)和1.2%(英國)，假陰性率(漏診率)比醫(yī)生低9.4%(美國)和2.7%(英國)。在兩個數(shù)據(jù)集中，AI模型的受試者工作特性曲線下面積(AUC)分別為0.889和0.895。

研究者邀請了6名放射學專家與AI一起讀了500張乳腺鉬靶來進行對比。結果發(fā)現(xiàn)，與6名專家的讀片結果相比，AI模型的診斷能力更好，6名專家的平均AUC為0.625，而AI系統(tǒng)AUC為0.740，比人類高11.5%。在雙讀過程中利用這款AI系統(tǒng)可以將核片醫(yī)生的工作量減少88%。

人類和AI系統(tǒng)所漏診的腫瘤是互補的。AI模型“讀”出了被6名專家漏診的腫瘤：一枚右乳內(nèi)下象限的小型不規(guī)則、伴微小鈣化的腫塊;但6名專家也一致對AI模型漏診的腫瘤做出了正確的診斷：一枚位于右乳內(nèi)下象限的致密腫塊。AI模型發(fā)現(xiàn)的腫瘤比人類發(fā)現(xiàn)的更具侵襲性。

谷歌健康部門、DeepMind、倫敦大學學院、劍橋大學、英國吉爾福德皇家薩里郡醫(yī)院、谷歌旗下初創(chuàng)公司Verily Life Sciences、斯坦福醫(yī)學中心、英國皇家馬斯登醫(yī)院等機構共同完成了這項人工智能系統(tǒng)研究。

醫(yī)院谷歌健康部門表示，希望接下來能夠表明該模型可以潛在提高篩查程序的準確率和效率，從而減少患者等待的時間和壓力，但要實現(xiàn)這樣的目標，需要持續(xù)進行研究，進行前瞻性臨床研究并獲得監(jiān)管部門的批準，才能證明受此研究啟發(fā)的系統(tǒng)將如何改善病患治療。

實際上，在此之前，已有不少研究嘗試利用AI診斷乳腺癌。例如，Google開發(fā)的用于轉(zhuǎn)移性乳腺癌檢測的AI，其準確率達到了99%。2019年，IBM Research構建的模型可預測女性一年內(nèi)何時會患上惡性乳腺癌，同樣還構建了分析乳腺癌細胞的系統(tǒng)。

該研究報告的AI模型的確比人類專家有更好的診斷表現(xiàn)，研究報告引起了人工智能元老之一Yann LeCun教授的注意，LeCun教授連續(xù)發(fā)文對該研究進行了抨擊和指摘，他指出，此前紐約大學曾發(fā)表過AI表現(xiàn)更出色的研究報告，使用了超過14萬名女性的影像，AUC同樣達到0.895，且研究數(shù)據(jù)和模型已公開，而Google Health研究的數(shù)據(jù)和模型并未公開。

(編譯 韓佳)