学号：16010199021
姓名：李若宇
转载自 http://www.qdaily.com/articles/47653.html（有删改）
嵌牛导读：如今医疗与深度学习的联系越发紧密
嵌牛鼻子：深度学习
嵌牛提问：人工智能深度学习的应用场景现如今有哪些？
嵌牛正文：
DeepMind 近日在其博客公布最新研究方向，通过机器学习，提供乳腺 X 光的检查几率。
这个研究项目是和伦敦帝国理工学院的癌症研究机构、Google 的人工智能健康研究团队一起合作的，他们希望建立新的机器学习模型，帮助医生提高癌症检测率，早发现癌症，以便尽早开始治疗。
乳腺癌是目前仅次于肺癌的最常见癌症。根据 DeepMind 公布的数据，每年全球有 160 多万人被诊断出乳腺癌，有 50 万人会因此死亡。
而在中国，根据丁香园数据显示，每年乳腺癌新发数量和死亡数量分别占全世界的 12.2% 和 9.6%，而且从 90 年代以来，中国的乳腺癌发病率增长速度是全球的两倍多。
如果能尽早发现并及时治疗，就可以降低死亡率，但准确地检测和诊断乳腺癌仍然是一个巨大的挑战。
目前仅通过乳房 X 光检查，并不能完全检测是否患有乳腺癌，很多时候诊断取决于病理学家最后的分析和确定。
根据化学资讯平台 X-MOL 介绍，病理学家需要在显微镜的帮助下，在至少包括 100 亿个像素的组织活检和随后的病理切片中，寻找肿瘤的踪迹，判断肿瘤的大小、癌症的发展阶段、是否发生转移等，再决定一下一步治疗手段。
而通常一个病理学家需要经过多年训练，才能获得足够的专业知识和经验，但这样的情况下也会出现误诊和漏诊。
如果能通过深度学习算法，训练机器学习切片检查，从中寻找肿瘤，就可以提高诊断的效率和准确率，对病理学家和患者来说将是很大的帮助。
其实，在今年 3 月时，Google 的人工智能健康研究团队已经建立了机器学习的模型，用于分析乳腺癌病理切片。
为了检验成果，Google 还邀请了病理学家和人工智能模型做了一个对比，在没有时间限制的情况下，分析 130 张病例切片，找出肿瘤。
在灵敏度，也即是能找出多少肿瘤细胞占比上，病理学家的准确率为 73%，人工智能模型则为 89%。
而在误判为肿瘤细胞的假阳性率上，人工智能模型却不如病理学家，因为它除了模型设计的病理外，无法发现其他疾病，比如炎症、自免疫疾病或其他癌症。
从左到右，淋巴结病理切片、Google 模型的早期结果、当前结果。当前的结果降低了潜在的假阳性。图片来源：Google
Google 的研究人员说，人工智能还无法代理病理学家做诊断，但可以成为病理学家的助手，提高诊断效率。
这次研究 DeepMind 和 Google 的 AI 团队则在此基础上，建立新的机器学习模型，并学习由英国癌症研究所资助的研究机构提供的 7500 名女性的检测数据。
DeepMind 称，数据也常被世界其他卫生组织拿去研究，它们不含个人隐私信息。DeepMind 承诺会将数据放置在加密的数据库中，试验用的时候才会解密。
自从和人类围棋挑战赢了之后，Google 和 Deepmind 团队就说要将人工智能的技术用在医疗健康领域 。去年 2 月，Deepmind 发布了健康计划，同年先后发布了监控人的肾功能应用 Streams，和能够辨识眼部疾病的机器学习系统。
健康计划也得到英国国家医疗服务体系（National Health Service，NHS）支持，后者向 DeepMind 提供 160 万份患者资料数据，包括过去五年内曾感染艾滋病病毒、药物滥用及堕胎记录等数据。
