在我國，肺癌一直是各種癌癥中致死最多的。據(jù)國家癌癥中心統(tǒng)計，我國每年新發(fā)肺癌約78.7萬人，因肺癌死亡約63.1萬人，如果這些患者都能早發(fā)現(xiàn)、早治療，那么他們的壽命將會大大延長。

谷歌發(fā)表在Nature Medicine上的一項新研究，讓人類解決肺癌難題前進了一大步。在這項研究中，AI能夠根據(jù)患者的胸部CT圖像，診斷出早期肺癌，與六位放射科醫(yī)生相比，AI的準確度更高，檢測到的病例增加了5%，假陽性減少了11%，AUC達到94.4%。

換句話說，相比人類醫(yī)生，谷歌的該AI模型能夠發(fā)現(xiàn)更多沒被發(fā)現(xiàn)的早期肺癌病人，還能減少很多沒有患肺癌的人被誤診。

無論是和單個醫(yī)生相比還是和某一科目的醫(yī)生們相比，這項研究中模型的準確度都相當高，超越了人類水平

真實數(shù)據(jù)檢測

研究中用到的數(shù)據(jù)來自美國全國肺癌篩查試驗(NLST)的真實數(shù)據(jù)，包括來自14851名患者的42290張CT照片，其中639人在拍完這些CT照片一年后就經(jīng)過活檢被確診為肺癌。如果一名患者在一年后的檢測中沒有發(fā)現(xiàn)肺癌，則被視為陰性。

這14851名患者被隨機分配到了訓練組(占比70%)，調(diào)整組(占比15%)和測試組(占比15%)，三個組的確診患者百分比分別為3.9%、4.5%和3.7%。

模型即將開放

整個模型包含幾個部分：

肺部分割，用TensorFlow目標檢測API訓練LUNA45數(shù)據(jù)集，產(chǎn)生肺分割掩模并對齊。

癌癥ROI檢測，構建RetinaNet47，找出病灶區(qū)域。

全量模型，在1.5立方毫米體積的大小上訓練，預測一年內(nèi)患癌癥的可能性。

癌癥風險預測模型，提取3D特征，生成最終預測結果。

整個模型將通過谷歌云Healthcare API開放，進一步研究它在臨床實踐中的效果。有朝一日，或許這個模型真的能在各大醫(yī)院中使用，會有更多病人受益。

傳送門

最后，這項研究中用到了3個肺癌數(shù)據(jù)集，需要的工具都是TensorFlow中已經(jīng)開源的API。