谷歌產品經理彭博士在周二舉行的公司年度I/O開發者大會上表示，該公司的技術可以捕捉到癌癥早期發病跡象。

　　據世界衛生組織統計，肺癌導致的死亡人數超過其他任何癌癥。它也是最常見的癌癥類型之一，有超過200萬的病例。

　　彭說:“我們知道，如果及早診斷，患者的存活率會更高。但不幸的是，超過80%的肺癌沒有及早發現。”

　　早期癌癥在CT掃描中很難看到，而晚期癌癥患者在早期掃描中往往僅顯示出細微的跡象。

　　彭表示谷歌利用美國國家癌癥研究所(National cancer Institute)和西北大學(Northwestern University)的肺癌掃描結果，訓練了一個神經網絡來檢測惡性腫瘤，其水平相當于或高于訓練有素的放射科醫生的診斷能力。

　　彭例舉了一個病例：一名沒有癥狀、沒有癌癥病史的病人接受了CT掃描，結果沒發現有任何癌癥病狀，但一年后的CT掃描卻發現了他是晚期癌癥。谷歌使用它的人工智能系統來檢查最初的掃描結果，該模型能夠在患者確診前一年就發現了早期癥狀。

　　彭表示對于這樣的病人，早期診斷意味著存活率將提高40%。

　　別小看這4成的概率，對于很多癌癥患者來說，這個數字不光意味著生的希望，還能減少后期治療的大筆費用和肉體精神上的雙重痛苦。

　　很明顯，對于醫療技術來說這是一個非常好的開始，彭也非常希望與期待能和醫學界合作，利用AI技術幫助改善患者的治療結果。

　　對于癌癥預防和治療的研究從未停歇過，雖然現在的癌癥早已摘掉不治之癥的標簽，但仍有較大概率致死，并且患者在治療期間需要承受極大的痛苦和精神壓力，光是化療就能將人的身心折磨到瀕臨崩潰的地步，而癌癥種類又很多樣，除了谷歌AI帶來的肺癌診斷外，麻省理工學院CSAIL的人工智能還能提前5年預測乳腺癌的發病。

　　乳腺癌是美國女性死亡的第二大癌癥。據估計，2015年，有23.2萬名女性被診斷出患有乳腺癌，約4萬人死于乳腺癌。

　　雖然像乳房X光檢查這樣的早起診斷手段已被廣泛應用，2014年，僅在美國就進行了3900多萬次乳腺癌篩查，但它們并不總是可靠。大約10%到15%接受乳房X光檢查的女性在進行非結論性分析后被要求重做檢查。

　　幸運的是，在人工智能的幫助下，麻省理工學院計算機科學與人工智能實驗室(CSAIL)和麻省總醫院的科學家正在朝著更加一致和可靠的篩查程序邁進。

　　在最新發表于《放射學》(Radiology)雜志上的一篇論文中，他們描述了一種機器學習模型，該模型可以通過乳房X光檢查來預測患者未來五年是否可能患上乳腺癌。

　　他們的工作建立在谷歌人工智能和Alphabet的DeepMind的基礎上。谷歌人工智能在10月份表示，它已經開發出一種模型，能夠以99%的準確率檢測轉移性乳腺癌。Alphabet的DeepMind去年驗證了一種人工智能系統，倫敦大學學院(University College London)的CT掃描顯示出“接近人類的表現”。另外，紐約大學(New York University)的科學家最近推出了一種乳腺癌篩查模型，該模型經過20多萬次乳房X光檢查的訓練，哈佛醫學院(Harvard Medical School)的一個團隊設計了一種人工智能，可以檢測出導致某些癌癥的基因缺陷。

　　“與其采取一刀切的方法，我們還可以針對女性患癌癥的風險進行個性化篩查，”一篇新論文的資深作者、乳腺癌幸存者雷吉娜·巴茲雷(Regina Barzilay)說?！袄?，醫生可能會建議一組女性每隔一年接受一次乳房X光檢查，而另一組風險較高的女性可能會接受補充的MRI篩查?！?/p>

　　正如哈佛大學教授、論文合著者康斯坦斯?雷曼(Constance Lehman)所解釋的，大多數乳腺癌風險模型關注的是一系列風險因素，如年齡、乳腺癌和卵巢癌家族史、激素和生殖因素以及乳房密度。但其中一些因素與乳腺癌的相關性較低，損害了模型的準確性。

　　Barzilay和他的同事們避開了手工模式和風險識別，而是采用了一個自主的系統，該系統對馬薩諸塞州總醫院6萬多名患者的9萬多張乳房X射線照片和已知結果進行培訓。從這些樣本中，人工智能系統“學會”了數據之間的關系，即使是技術高超的放射學家和腫瘤學家也可能忽略這些數據。

　　雷曼說:“自20世紀60年代以來，放射學家注意到，女性在乳房X光片中可以看到獨特且變化廣泛的乳房組織模式。這些模式可以代表基因、激素、懷孕、哺乳、飲食、體重減輕和體重增加的影響。我們現在可以利用這些詳細的信息，在個人層面上更精確地進行風險評估?！?/p>

　　該團隊還煞費苦心地確保風險評估模型對少數族裔患者和白人患者一樣準確，而早期模型并非總是如此。他們說，這個模型對白人和黑人女性同樣準確，在實驗中，他們說，該模型成功地預測了31%的高危癌癥患者，而傳統模型的預測率僅為18%。

　　Barzilay說，它可以為乳房X光檢查奠定基礎，從而識別出患有心血管疾病或其他癌癥等其他健康問題風險更高的患者。“我們的目標是使這些技術上的進步成為護理標準的一部分，”麻省理工學院CSAIL的博士生Adam Yala說?！巴ㄟ^預測未來誰會患上癌癥，我們有希望在癥狀出現之前挽救生命并避免感染癌癥?！?/p>

　　研究人員未來的工作目標是將AI技術應用于其他疾病的模型。