药明康德AI/报道

新年伊始， Google Health给我们带来了好消息，其最新人工智能模型在乳腺癌筛查又有新突破！乳腺癌影响着全球女性，英国每年超过约55,000人被确诊患有该病，美国大约有1/8的女性会在一生中可能患上乳腺癌。在英美这样的乳腺癌发病率高、医疗技术发达的国家，尽管数字化乳腺摄影技术得到广泛应用，可在发现并诊断疾病方面仍面临不小的挑战。

谷歌与DeepMind公司、英国癌症研究中心（Cancer Research UK）、美国西北大学（Northwestern University）以及英国皇家萨里郡医院（Royal Surrey County Hospital）展开紧密合作，旨在研究AI是否可以帮助放射科医生更准确地发现乳腺癌的迹象，从而找出能提高乳腺癌筛查技术的最佳方法。日前，研究团队在《自然》（Nature）杂志上发表其初步结果。

他们发现，AI模型能够以与专家相似的水平正确筛选出筛查图像中的乳腺癌迹象，从而减少了筛查假阴性（又称漏诊率）、假阳性（又称误诊率）的结果。

医生读片失误会导致乳腺癌患者得到假阴性或假阳性报告，这类误诊不仅会导致患者得不到及时有效的治疗，还会给其带来不必要的心理压力，并给放射科医生带来更多的工作量。使用人工智能技术，则有可能改善这些问题的发生。

该AI系统由3个深度学习模型构成，每个模型都会用于不同层次的分析，分别用于分析以下3种情况：单个病变分析、单个乳房分析、以及整体病例分析。每个模型都会对乳腺X光图像的病理产生0到1之间的癌症风险评分，整体AI系统的预测精度则是结合这3个模型预测的平均值而产生。

用于训练AI模型的两个大型数据集来自英国和美国。英国的数据集是从英国国家卫生服务乳腺筛查计划（NHSBSP）的三个乳腺筛查站点收集，总计包含了76,000多名女性的乳腺X光图像；美国的数据集则收集于2001-2018年间，芝加哥西北纪念医院约15,000多名患者的乳腺X光图像。

随后，他们采用一个单独的数据集，评估验证上述训练成果的可靠性，该单独数据集则由25,000多名患者图像（英国25,000张，美国3,000张）构成。评估验证下来，模型的预测结果漏诊误诊均有所降低，相比美国的临床实践数据，AI减少了5.7%的假阳性报告和9.4%的假阴性报告；相比英国的临床实践数据，AI则减少了1.2%的假阳性报告和2.7%的假阴性报告。这对于目前20％的乳腺癌漏检率来说已是一个“飞跃”。

▲ 乳腺癌预测表现：人工智能系统vs临床医生（图片来源：参考资料[1]）

此外，研究人员还验证了该AI模型是否可用于其他医疗系统。首先他们仅根据英国患者的数据集对AI进行训练，接着将美国患者的数据集作为模型的评估验证集，在这项单独的实验中，AI对乳腺癌预测的准确度不但比人类专家高，同时假阳性和假阴性的报告率分别降低了3.5%和8.1%，这也就意味着该AI系统具有应用到其他医疗环境的潜力。