Google的人工智能技术DeepMind在古代中国游戏“ Go”中击败了世界冠军。在2016年。这是人工智能的重大胜利。现在，相同的技术有一个新的目标：改善乳腺癌筛查，这可能直接影响全球数百万人。总部位于伦敦的Google子公司表示，在2007年至2018年之间，日本东京的集气大学医院接受了大约30,000名女性的乳房X线照片，并将使用这些数据来改善其人工智能乳腺癌的检测能力。算法。据不完全统计，仅在2012年，全球就诊断出近170万例乳腺癌病例，乳腺癌已成为女性癌症死亡的第五大最常见原因。当前，乳房X线照相术是用于早期乳腺癌的广泛使用的方法。但是，根据调查研究，当今的乳房X线照片分析的准确性很低，大约20％的乳房X线照片具有假阴性，这意味着可能存在医生或技术人员未发现的癌症。同时，乳房X光照片中的假阳性也很重要。在美国，连续10年每年进行一次乳房X线照片的妇女中，有超过50％的妇女会出现假阳性结果，从而导致一系列不必要的检查和化学疗法。 “这可能给患者带来压力，并给世界各地的医疗服务增加压力和成本”。 DeepMind卫生部门临床主任Dominic King说。 2017年11月，英国癌症研究帝国研究中心宣布，由King和DeepMind Health领导的顶级AI研究人员和医疗保健专家组成的财团将负责使用Google的AI技术来改善乳房X线照片的读取和评估。目前，DeepMind Health正在开发机器学习算法，该算法已通过30,000张图像的审查，以及3500张来自Optimam提供的磁共振成像（MRI）扫描和历史乳房X线照片的图像（从NHS提取的80,000多次扫描的图像数据库）在英国。进行培训以调查其AI系统是否可以准确检测癌症组织的体征。尽管其他技术公司也在研究解决乳房X线照片的问题，但可以说DeepMind的机器学习技术是最先进的技术之一。尽管大多数技术仍处于实验阶段，但是一些基于AI的癌症工具已在临床环境中用于识别乳腺癌的危险因素。商业软件中使用的深度学习算法已经能够准确查看乳房X线照片并正确识别异常的乳房密度。这是一项重大进步。 DeepMind Health的临床主管Dominic King在博客中指出，在其他国家/地区的数据集上对DeepMind的AI系统进行培训将有助于减少可能的算法偏差。在互联网上训练人工智能系统时，可能会出现偏差，并且这些数据不能准确反映研究对象的特征，这是一个严重的问题。 “他说。在乳腺摄影领域中，种族之间的乳房密度可能存在相当大的差异。因此，如果没有模型技术可以反映这些差异，那么人工智能系统中的偏差可能会导致误识别甚至错过乳腺癌。 “在医学图像计算和计算机辅助干预会议上发表的一篇论文中，DeepMind研究人员表示，他们已经开发并计划部署一种人工智能系统，该系统可以将CT扫描分割为“近乎人性化”的图像。方式。有望帮助该团队缩短明年在临床环境中的诊断时间。尽管DeepMind Health在乳腺摄影领域取得了某些技术成就，但外界也对此存有疑虑。目前，DeepMind Health的研究还没有集中在专家上。有两个领域被认为对乳腺癌的治疗至关重要：一个是确定哪些癌症确实需要治疗（尽管DeepMind的代表说，当前的研究可能在该应用中发挥作用）；另一个是目前的乳腺X线摄影诊断不能捕捉到间隔时间。癌症是一种快速增长的癌症，通常在两次检查之间出现致命性癌症。对此，DeepMind表示，该算法专注于测试间隔性癌症问题，并且在将来可以发挥重要作用。如果使用DeepMind Health的AI系统，则在乳房X线照片图像诊断领域的成功将帮助医生大大减少阅读和检查所花费的时间，并提高数十倍的诊断效率。这将对美国和全世界的乳腺癌的诊断和治疗产生重大影响。