【网上三公】近日，有外媒报导，圣地亚哥海军医学中心和谷歌人工智能研究人员，研发出有癌症检测算法，需要自动评估淋巴结前列腺，他们的AI系统被称作“淋巴结助手”（全称LYNA）。左：两个淋巴结前列腺的图片。中：谷歌AI深度自学肿瘤检测的早期结果。

右：谷歌AI深度自学后的当前结果（留意两个版本之间已可见噪点上升）。图片来源：谷歌在为题《基于人工智能的乳腺癌淋巴结移往检测》的论文中对该系统有所叙述，这篇论文公开发表在《美国外科病理学》杂志上。“人工智能算法可以详细地评估幻灯片上的每个的组织贴片，”该论文的作者写到。

“我们获取了一个框架，以协助实践中病理学家评估这些算法，以便使用它们的工作流程（类似于病理学家如何评估免疫系统组织化学结果）。”在转移性乳腺癌的检测精度测试中，LYNA的准确率超过99％，这比人类病理学家更胜一筹。据理解，LYNA基于Inception－v3，这是一种开源图像识别深度自学模型，已被证明可以在斯坦福的ImageNet数据集上构建78．1％的准确率。

正如研究人员说明的那样，它必须一个299像素的图像（Inception－v3的配置文件输出大小）作为输出，并且在训练过程中，萃取的组织贴片的标签，预测肿瘤为良性或者恶性，并调整模型的算法权重以增加误差。左图：所含淋巴结的载玻片。右：LYNA辨识肿瘤区域。

图片来源：谷歌。在测试中，LYNA构建了99．3％的幻灯片级精度。当调整模型的灵敏度阈值以检测每张载玻片上的所有肿瘤时，其灵敏度为69％。LYNA能精确辨识评估数据集中于的所有40个移往灶，没任何误报。

此外，它不不受载玻片中的人工制品的影响，例如气泡，加工不当，发炎和过度涂抹。LYNA并不极致，它有时候错误地把巨细胞、无用癌和骨髓来源的白细胞称作组织细胞，但是它设法比负责管理评估完全相同载玻片的执业病理学家展现出更佳。在谷歌AI和Verily，谷歌母公司Alphabet的生命科学子公司公开发表的第二篇论文中，该模型比一个六人构成的董事会证书病理学家团队检测淋巴结移往的时间延长了一半。未来的工作将调查该算法否提高效率或临床准确性。

-网上三公。

本文来源：网上三公-www.le3900.com

标签：网上三公