在发表在《自然医学》杂志上的一项新研究中，纽约大学医学院的科学家们训练了一种名为Inception v3的谷歌深度学习算法，以区分两种最常见的肺癌类型，腺癌和鳞状细胞癌，准确率达到97%。
阅读更多荷兰Haga教学医院与physIQ和VitalConnect合作，对癌症患者进行持续监测
此外，该研究的人工智能分析图像，以确定细胞中是否存在与肺癌相关的六种基因的异常版本，包括EGFR、KRAS和TP53，根据基因的不同，准确度从73%到86%不等。
根据研究人员的说法，在靶向治疗中，只对具有特定突变的癌细胞起作用，确定是哪一种至关重要每个肿瘤的基因都发生了改变．例如，大约20%的腺癌患者已知有基因表皮生长因子受体(EGFR)突变，这可以用目前可用的药物治疗。
然而，目前使用的基因测试可能需要数周时间来确认突变的存在。
该研究的资深作者、纽约大学医学院病理科副教授、纽约大学朗格尼健康中心珀尔马特癌症中心的Aristotelis Tsirigos博士说，推迟癌症治疗的开始总是不好的。他说:“我们的研究提供了强有力的证据，证明人工智能方法将能够立即确定癌症亚型和突变谱，让患者更快地开始靶向治疗。”
目前的研究
在他们的研究中，Tsirigos和他的团队从谷歌的Inception v3开始，这是一个开源算法，谷歌训练它来识别1000种不同类别的对象。
为了教会算法区分癌变组织和健康组织的图像，研究人员展示了数十万张从癌症基因组图谱(the Cancer Genome Atlas)中获得的图像，这是一个已经确定癌症诊断的图像数据库。
该研究发现，在AI研究程序错误分类的一小部分肿瘤图像中，约有一半也被病理学家错误分类，突出了区分两种肺癌类型的难度。另一方面，在研究中至少有一名病理学家错误分类的54张图像中，有45张被机器学习程序分配给了正确的癌症类型，这表明人工智能可以提供有用的第二种意见。
阅读更多snap40为其人工智能医疗保健模型筹集了800万美元资金
“在我们的研究中，我们很高兴能提高病理学家水平的准确性，并表明人工智能可以发现癌细胞及其周围组织可见特征中以前未知的模式，”共同通讯作者Narges Razavian博士说，他是放射学和人口卫生系的助理教授。“数据和计算能力之间的协同作用为改善医学实践和科学创造了前所未有的机会。”
未来的前景
该团队现在计划继续训练其人工智能程序，直到它能以90%以上的准确率确定特定癌症中哪些基因发生了突变，届时他们将要求政府批准在临床上使用该技术。
