EurekAlert最近报导了人工智能技术在医学领域应用于的一项新的研究，该研究设计了一种新的计算机程序，可以分析病人肺部肿瘤的图像、确认癌症类型，甚至可以辨识造成细胞出现异常生长的基因。该研究由纽约大学医学院的研究人员公开发表在《大自然医学》杂志上，研究找到一种人工智能或机器学习程序有97％的准确度可以区分腺癌和鳞状细胞癌——这两种肺癌类型有经验的病理学家有时也无法证实。
这种人工智能工具还需要确认细胞中否不存在与肺癌涉及的6种基因的出现异常形式——还包括EGFR、KRAS和TP53，其准确度在73％到86％之间。这种基因变化或基因突变一般来说不会造成癌细胞出现异常生长，但也不会转变细胞的形状和与周围环境的相互作用，为自动分析获取视觉线索。研究人员说道，随着靶向化疗的减少，确认每个肿瘤中哪些基因再次发生了变化显得至关重要，因为靶向化疗只对具备特定变异的癌细胞起起到。
例如，未知约20％的腺癌患者的基因表皮生长因子受体中有变异，那么现在就可以开始药物化疗了。研究作者回应，目前用作证实变异不存在的基因测试有可能必须数周时间才能回到结果。“延后癌症的化疗根本都不是好事，”高级研究员、纽约大学朗格尼癌症中心病理学系由副教授AristotelisTsirigos博士说道，“我们的研究获取了强有力的证据，证明人工智能方法需要立刻确认癌症亚型和变异特征，从而使患者需要早地开始用于靶向化疗。”机器学习在目前的研究中，研究团队设计了统计资料技术，使他们的程序在没有被告诉如何做到的情况下，需要“自学”如何在任务中显得更佳。
这些程序建构规则和数学模型，使其需要基于数据示例展开决策，随着训练数据的快速增长，程序将显得“更为智能”。不受大脑神经细胞网络的灵感，新的人工智能方法能用于更加简单的电路分层处置信息，每一步都将信息输出到下一个步骤，并在此过程中为每条信息分配某种程度的重要性。目前的团队训练了一个深度卷积神经网络——谷歌的Inceptionv3，来分析从癌症基因组图谱取得的幻灯片图像。
这让研究人员可以测量他们的程序是如何训练的，以精确和自动地对长时间的组织与患病的组织展开分类。有意思的是，这项研究找到，在被人工智能程序错误分类的一小部分肿瘤图像中，大约有一半也被病理学家错误分类了，这解释腺癌和鳞状细胞癌这两种肺癌类型显然很难区分。另一方面，在被研究中的最少一名病理学家错误分类的54幅图像中，有45幅被机器学习程序分配准确了，这解释人工智能显然很简单。
“我们很高兴自己的研究需要提升病理学水平的准确性，并证明人工智能需要在癌细胞及其周围的组织的可见特征中找到以前不得而知的模式，”联合作者NargesRazavian博士说道，他是放射学和人口身体健康系由的助理教授，“数据和计算能力之间的协同作用正在建构前所未有的机会，以提高医学实践中和科学。”目前，他们正在谋求政府批准后在临床上用于该技术，同时将该技术用作对几种癌症类型的临床。接下来，该团队计划之后用于数据训练其人工智能程序，直到它能将特定癌症中基因突变的可能性的准确度提升到90％以上。
本文来源：中欧体育-www.yespep.com
