EurekAlert最近報道了人工智能技術在醫學領域應用的一項新研究，該研究設計了一種新的計算機程序，可以分析病人肺部腫瘤的圖像、確定癌癥類型，甚至可以識別導致細胞異常生長的基因。

該研究由紐約大學醫學院的研究人員發表在雜志上，研究發現一種人工智能或機器學習程序有97％的準確度可以區分腺癌和鱗狀細胞癌——這兩種肺癌類型有經驗的病理學家有時也難以確認。

這種人工智能工具還能夠確定細胞中是否存在與肺癌相關的6種基因的異常形式——包括EGFR、KRAS和TP53，其準確度在73％到86％之間。這種基因變化或基因突變通常會導致癌細胞異常生長，但也會改變細胞的形狀和與周圍環境的相互作用，為自動分析提供視覺線索。

研究人員說，隨著靶向治療的增加，確定每個腫瘤中哪些基因發生了變化變得至關重要，因為靶向治療只對具有特定突變的癌細胞起作用。例如，已知大約20％的腺癌患者的基因表皮生長因子受體中有突變，那么現在就可以開始藥物治療了。

研究作者表示，目前用于確認突變存在的基因測試可能需要數周時間才能返回結果。

“延遲癌癥的治療從來都不是好事，”高級研究員、紐約大學朗格尼癌癥中心病理學系副教授Aristotelis Tsirigos博士說，“我們的研究提供了強有力的證據，證明人工智能方法能夠立即確定癌癥亞型和突變特征，從而使患者能夠更早地開始使用靶向治療。”

機器學習

在目前的研究中，研究團隊設計了統計技術，使他們的程序在沒被告知如何做的情況下，能夠“學習”如何在任務中變得更好。這些程序構建規則和數學模型，使其能夠基于數據示例進行決策，隨著訓練數據的增長，程序將變得“更加智能”。

受大腦神經細胞網絡的啟發，新的人工智能方法能使用越來越復雜的電路分層處理信息，每一步都將信息輸入到下一個步驟，并在此過程中為每條信息分配或多或少的重要性。

目前的團隊訓練了一個深度卷積神經網絡——谷歌的Inception v3，來分析從癌癥基因組圖譜獲得的幻燈片圖像。這讓研究人員可以測量他們的程序是如何訓練的，以準確和自動地對正常組織與患病組織進行分類。

有趣的是，這項研究發現，在被人工智能程序錯誤分類的一小部分腫瘤圖像中，約有一半也被病理學家錯誤分類了，這說明腺癌和鱗狀細胞癌這兩種肺癌類型確實很難區分。另一方面，在被研究中的至少一名病理學家錯誤分類的54幅圖像中，有45幅被機器學習程序分配正確了，這說明人工智能確實很有用。

“我們很高興自己的研究能夠提高病理學水平的準確性，并證明人工智能能夠在癌細胞及其周圍組織的可見特征中發現以前未知的模式，”共同作者Narges Razavian博士說，他是放射學和人口健康系的助理教授，“數據和計算能力之間的協同作用正在創造前所未有的機會，以改善醫學實踐和科學。”

目前，他們正在尋求政府批準在臨床上使用該技術，同時將該技術用于對幾種癌癥類型的診斷。接下來，該團隊計劃繼續使用數據訓練其人工智能程序，直到它能將特定癌癥中基因突變的可能性的準確度提高到90％以上。