准确率远超人类病理学家！谷歌用深度学习算法检测癌症

雷峰网 · 公众号 · 科技媒体 · 2017-03-07 08:30

正文

请到「今天看啥」查看全文

图 1 左图是来自两个淋巴结活检的图像，中图是早期深度学习算法检测肿瘤的结果，右图是我们当前的成果，注意第二个版本的可见噪声（潜在误判）已降低。

事实上，由该算法产生的预测热图已经改善了很多，该算法的定位得分（FROC）达到 89％，明显超过没有时间约束的病理学家，他们的得分仅为 73％。我们不是唯一一组认为这种方法是有希望的，其他组别的算法模型在同一数据集中获得了高达 81％的分数。对我们来说更令人兴奋的是，我们的模型鲁棒性非常强，从不同的医院使用不同的扫描仪获得的图像都可以识别。相关的详细信息，请参阅谷歌研究院的相关文章 “ 在千兆像素病理图像上检测癌症转移”。

图 2 淋巴结活检的特写镜头。组织包含乳腺癌转移以及巨噬细胞，其看起来与肿瘤相似，但是是良性正常组织。我们的算法成功识别肿瘤区域（亮绿色），不会被巨噬细胞干扰。

虽然这些结果看来振奋人心，但有几个重要的注意事项需要考虑：

· 像大多数指标一样，本地化的 FROC 分数并不是完美的。在这里，FROC 分数定义是预设带有少量假阳性的灵敏度，假阳性是指将正常组织错判为肿瘤，灵敏度则是每个载玻片所检测到肿瘤的百分比。但病理学家很少做假阳性的误判，例如上述 73％的得分对应于 73％的灵敏度和零假阳性。相比之下，假设允许更多的假阳性个数，我们的算法的灵敏度可以提升。如果每个载玻片允许有 8 个假阳性，我们的算法的灵敏度可达到 92％。

· 这些算法在执行训练过的任务时表现良好，但相比人类病理学家，还是缺少丰富的知识和经验。人类病理学家可以检测出模型还没有训练的异常分类，例如炎症过程、自身免疫疾病或其他类型的癌症。