集微网消息，谷歌人工智能研究人员与美国西北大学医学院合作，创建了一个人工智能模型，该模型能够通过筛查检测出肺癌，比平均拥有8年经验的人类放射科医生做得更好。
在分析单个CT扫描时，该模型检测出癌症的平均频率比六名人类专家高出5%，减少假阳性的可能性也高出11%。当放射科医生能够查看先前的CT扫描结果时，人类和人工智能也获得了类似的结果。
在预测筛查两年后患癌症的风险时，与国家肺筛查试验(NLST)研究中放射科医生的估计表现相比，该模型能够发现癌症的几率高出9.5%。
今天发表在《自然医学》(NatureMedicine)杂志上的一项研究详细介绍了端到端深度学习模型，该模型用于预测患者是否患有肺癌，生成患者的肺癌恶性风险评分，并确定肺部恶性组织的位置。
随着谷歌继续与合作组织进行试验和其他测试，该模型将通过谷歌云医疗API提供。
谷歌技术主管ShravyaShetty和产品经理DanielTse今天在一篇博客文章中表示:“该人工智能系统使用3D容积深度学习技术，分析胸部CT扫描的完整解剖结构，以及基于对象检测技术，识别出恶性病变区域。”
年，美国国立卫生研究院(NIH)开展了一项低剂量计算机断层扫描LDCT研究，利用从近1.5万名患者(其中人在一年内罹患癌症)身上采集的4.2万多幅胸部CT筛查图像对该模型进行了训练。然后用来自西北医学的数据集对结果进行了验证。
根据世界卫生组织(WorldHealthOrganization)的数据，肺癌是地球上最常见的死亡病症之一，每年夺去多万人的生命，死亡人数与乳腺癌大致相当。
年的一项分析发现，只有2-4%的患者接受了LDCT筛查。
“通过证明深度学习可以在不牺牲敏感性的情况下提高特异性，我们希望激发更多的研究和讨论，围绕人工智能在癌症筛查的成本效益评估中所能发挥的作用，”该博客文章写道。
这绝不是谷歌首次涉足癌症检测和治疗领域。去年，纽约大学的研究人员用谷歌Inceptionv3检测肺癌。此外，深度学习也是谷歌在通过眼部扫描诊断糖尿病视网膜病变方面取得进展的背后推手，DeepMind的人工智能也可以为50种眼病推荐合适的治疗方案，准确率高达94%。
