谷歌AI進(jìn)軍新領(lǐng)域 腫瘤識(shí)別準(zhǔn)確率超醫(yī)生

近日，百度研究院發(fā)表論文提出一種名為“神經(jīng)條件隨機(jī)場(chǎng)”的病理切片分析算法，將腫瘤識(shí)別定位準(zhǔn)確率大幅提高，準(zhǔn)確率超專業(yè)病理醫(yī)生。

據(jù)了解，在公開(kāi)數(shù)據(jù)集Camelyon16大賽測(cè)試集上，該算法的腫瘤定位FROC分?jǐn)?shù)為0.8096，超過(guò)專業(yè)病理醫(yī)生水平以及由哈佛和麻省理工學(xué)院聯(lián)合團(tuán)隊(duì)所保持的最好成績(jī)。除了病理學(xué)切片分析方面的研究，百度還在探索AI在眼底影像、放射影像、以及智能問(wèn)診等其他一些醫(yī)療領(lǐng)域的應(yīng)用。

資料顯示，病理切片分析是癌癥診斷中的黃金標(biāo)準(zhǔn)。但是即便對(duì)于經(jīng)驗(yàn)豐富的病理醫(yī)生來(lái)說(shuō)，病理切片的閱片流程也十分困難復(fù)雜。一張40倍放大的電子化病理切片通常由超過(guò)十億個(gè)像素點(diǎn)組成，磁盤空間大小超過(guò)1GB。然而淋巴結(jié)附近微轉(zhuǎn)移腫瘤細(xì)胞群可能最小只有不到1000像素的直徑。而一旦發(fā)現(xiàn)微轉(zhuǎn)移腫瘤細(xì)胞群，病人的治療方案和預(yù)后可能就會(huì)有極大差別。因此，詳盡的閱讀病理切片，且不漏掉任何一處具有臨床價(jià)值的病灶，如同大海撈針，是一項(xiàng)十分復(fù)雜和耗時(shí)的任務(wù)。

百度研究院提出一種深度學(xué)習(xí)算法，一次性輸入一組3x3的圖塊，并聯(lián)合預(yù)測(cè)每一張圖塊是否有腫瘤區(qū)域。圖塊之間的空間關(guān)系可以通過(guò)一種名為“條件隨機(jī)場(chǎng)”的概率圖模型來(lái)模擬。整套算法框架可以在GPU上進(jìn)行端到端的訓(xùn)練，而不需任何后處理的步驟。

據(jù)悉，百度在Github上開(kāi)源了整套算法代碼。