Google开发了一种可用来对前列腺癌进行分级的人工智能系统,能够精确地以Gleason分级方法,对较小的前列腺活体组织切片进行分类,以进行初步的癌症诊断,而实验结果显示,这个人工智能系统诊断的精确度,比经验一般的病理学家表现更好。
在美国约有九分之一的男性,一生中都曾患前列腺癌,但因为大部分的前列腺癌都是非恶性的,因此判断病患是否有其急迫性,需要承担手术和放射性治疗的风险,成为了一件具有挑战性的工作,特别是用来分级前列腺癌严重程度的Gleason分级方法,实际执行有其难度。
Gleason分级方法有助于病理学家评估前列腺癌患者,Gleason分级是根据显微镜上玻片所观察到的癌细胞,与正常细胞的相近程度做比较。进行Gleason分级依赖主观的视觉检查和评估,病理学家对于肿瘤的正确分级存在很大的分歧,因此Google在2018年的时候发布了一篇相关的研究,利用人工智能算法对大样本,也就是以手术切除的前列腺组织进行Gleason分级,帮助病患了解病情以及预后。
(图片来源/Wiki)
而Google现在将这项研究往前推进,要以Gleason分级对较小的前列腺活体组织切片进行分级,Google提到,因为活体组织切片是在前列腺癌护理初期进行,用来初步诊断癌症,并且决定癌症患者的治疗方式,比起真正的切除手术还要常执行。不过,因为切除的组织较少,而且组织截取和制备的过程,可能使样本出现变化,所以活体组织切片比手术样本更难分级。
Google开发了一个人工智能系统,对活体组织切片的各个区域进行分级,最后总结区域分级,产生整个活体组织切片的分级。
因为Gleason分级的复杂性,Google请了6位经验丰富的病理学家,合作评估这个新的人工智能系统。这些平均年资25年的专家,先对498个肿瘤样本进行Gleason分级,并接着请19位经验一般的病理学家再次进行Gleason分级,发现准确度只有58%,而Google新的人工智能系统,平均准确度却达到72%,Google提到,这个结果凸显了Gleason分级的困难度。不过仍有一些前列腺癌的样本过于模棱两可,连专家的意见也出现分歧,而Google提到,在这种情况下,深度学习系统的同意比率(Agreement Rate)和专家间的同意比率相当。
这一系列将人工智能用于前列腺癌诊断的研究显示,深度学习系统能够良好地支持专家诊断癌症,并且提升癌症医护的品质,Google提到,要使这个技术成为辅助工具,并且进一步用于临床上或是更大的病患群体,仍需要评估系统在诊断上的准确性与一致性,但实验结果已经证实,这项人工智能工具,可以协助进行病理学家的诊断工作,特别是在专业技能受限的情况下。