Google 將 AI 運用在醫療產業上的案例不少，像是透過深度學習模型診斷診斷糖尿病患的視網膜病變、利用視網膜圖來預測心血管疾病、用病理組織幻燈片來預測乳癌細胞的擴散情形。
過去的兩年中，Google 一直與英國和美國的領先臨床研究夥伴合作，從 2017 年宣布與倫敦帝國理工學院的英國癌症研究中心領導之健康研究機構合作的計畫，透過機器學習技術用於乳腺 X 光檢查，進而提升乳癌檢測機率，在早期檢測出癌症的跡象，協助醫生提前發現癌症。
近日這項刊登於《自然》雜誌的研究，最新發展成果顯示與專家相比，DeepMind 的 AI 模型在已去除可識別資料的乳房 X 光照片中診斷出乳癌之準確性更高，假陽性與假陰性的情況都減少了，讓未來 AI 協助放射科醫生進行乳癌篩檢奠定更深厚的基礎。
數位乳腺攝影或照乳房 X 光是篩查乳癌的最常見方法，像是美國與英國每年進行這些檢查超過 4200 萬次。雖然這些檢查方法已經非常普遍廣泛的應用，要能即早發現和診斷乳癌仍然是一個挑戰。
根據 Google 部落格文章，模型蒐集來自英國的 76,000 多名女性和美國的 15,000 多名女性去識別的乳房 X 線照片訓練，判別是否在掃描中發現乳癌的跡象，在辨識時同樣按照放射科醫生遵循的原則。
團隊訓練 AI 掃描 X 光圖後，再讓模型辨識 28,000 名女性乳房的 X 光影像變化尋找乳癌的跡象，再根據婦女的實際醫療狀況檢查機器判別準確與否，最後能將美國女性的誤判率降低 9.4％。在英國的檢查由兩名放射科醫生判定，該模型將假陰性減少了 2.7％，將假陽性減少了 1.2％，並將誤判率降低 5.7％。
值得注意的是，在做出診斷時，此模型所需要的資料少於人類醫生。一般來說醫生可以查看患者的病例和先前的乳房 X 光線照片，而模型僅處理最新的去識別的乳房 X 光照片，然而，這些 X 光圖像篩檢準確度仍能超過醫生。大多數情況下，人工智慧在判別乳癌的表現均優於醫生。當然，在某些情況下，醫生反而能注意到此模型在一開始會遺漏的線索。
儘管如此，這項 AI 研究涉及放射學及病理學領域，對 Google AI 來說儼然是一項大突破。從 2017 年開始，模型從淋巴結標本中準確檢測出轉移性乳癌，去年團隊還開發一種 深度學習演算法 幫助醫生在病理切片中更快、更準確地發現乳癌。Google 表示未來會持續讓機器學習研究進化為有益於臨床醫生和患者的工具。
（本文由INSIDE授權轉載）
