據外媒VentureBeat報道，谷歌的AI研究人員和圣地亞哥海軍醫學中心已經合作開發出了一種能使用癌癥檢測算法自動評估淋巴結活檢的解決方案，并在轉移性乳腺癌的檢出上實現了99%的識別精度。
1974年，福特接任尼克松成為美國總統。而就在6周后，第一夫人貝蒂•福特向全世界宣布她被確診患有乳腺癌，將接受根治性乳房切除術以消除腫瘤。福特公開宣布其診斷情況的勇敢決定打破女性了對乳腺癌的沉默，促使數百萬婦女坦然面對接受篩查，這也使得全球女性乳腺癌檢出率大幅度上升。
40多年后的今天，乳腺癌已經成了全球女性中發病和死亡均居首位的惡性腫瘤，在全球已確診的女性癌癥病例中，大約1/4是乳腺癌。
WHO的最新報告稱，全世界每年約有50萬女性死于乳腺癌，其中大約有90%都是轉移性腫瘤。轉移性腫瘤常常難以檢測，這種疾病的癌細胞會從其起源組織中分離出來，通過循環系統或淋巴系統在體內傳播，并在身體其他部位形成新的腫瘤，而且一旦發生腫瘤轉移，根治難度就會加大，死亡率也會大幅提高。
所以，如何提早檢測出轉移性腫瘤就成了幫助女性擺脫癌癥夢魘的關鍵。
據了解，谷歌和圣地亞哥海軍合作開發的這個AI系統被稱為“淋巴結助手”(簡稱LYNA)。
在《美國外科病理學雜志》中，研究人員針對這個系統發表了“基于人工智能的乳腺癌淋巴結轉移檢測”的論文。論文寫到，在轉移性乳腺癌的檢測精度測試中，LYNA的準確率達到99%，超過人類的檢測準確率。
LYNA是基于開源圖像識別深度學習模型Inception-v3開發出來的。
該模型在斯坦福大學ImageNet數據集中的準確率能超過78.1%，相關研究人員解釋到，在訓練過程中，它以299像素的圖像(Inception-v3默認的輸入規格)作為輸入，在像素水平描述出組織貼片中的腫瘤，提取標簽，并調整模型的算法權重以減少誤差。
后來，該團隊改進了之前發布的算法，將LYNA暴露于正常組織與腫瘤斑塊之比為4:1的環境中，并提高了訓練過程的“計算效率”，這反過來會促使算法“看到”更多的組織多樣性。此外，研究人員還對活檢切片掃描的變化進行了規范化，他們說這在更大程度上提高了模型的性能。
研究人員訓練模型時將LYNA模型置于到了2016年癌癥細胞檢測競賽(Camelyon16)的癌癥轉移數據環境里，該數據集來自于Radboud大學和Utrecht大學醫學中心，里面包含了399個淋巴結切片的玻片圖像，以及來自20名患者的108張圖像。它對270個載玻片(160個正常，110個腫瘤)進行了訓練，并使用了兩個評估集——一個由129個載玻片組成，另一個由108個載玻片組成，來進行性能評估。
在測試中，LYNA實現了99.3%的幻燈片級精度。當調整模型的靈敏度閾值以檢測每張載玻片上的所有腫瘤時，其靈敏度為69%，準確識別評估數據集中的所有40個轉移灶，沒有任何誤報。
此外，它不受測試樣品中的其他因素影響，例如氣泡，加工不良，出血和過度涂抹。
當然，LYNA并不完美。它偶爾會錯認巨細胞、生發癌和骨髓來源的白細胞，也就是所謂的組織細胞，但它的表現已經比比負責評估同樣幻燈片的專業病理學家好太多了。
在Google AI和谷歌母公司Alphabet旗下生命科學子公司Verily發表的第二篇論文中，該模型就將6名病理學家組成的小組檢測淋巴結轉移所需要的時間減少了一半。
“在幻燈片診斷中，LYNA獲得了比病理學家更高的敏感性。這些技術可以提高病理學家的工作效率，減少與腫瘤細胞形態學檢測相關的假陰性數量。”研究人員寫道。
未來，研究人員將繼續研究該算法是否提高了效率或診斷準確性。
