大家好，這里是老上光顯微鏡知識(shí)課堂，在這里你可以學(xué)到所有關(guān)于顯微鏡知識(shí)，好的，請(qǐng)看下面文章： 幾十年來(lái)，醫(yī)生一直依靠訓(xùn)練有素的人類病理學(xué)家的眼睛來(lái)診斷癌癥。科學(xué)家和醫(yī)生將顯微鏡聚焦在組織切片上，以有序的方式記錄細(xì)胞的形狀、大小和環(huán)境。此后，這些數(shù)據(jù)被用于確定患者的狀況。
    
     在今天發(fā)表在《自然醫(yī)學(xué)》雜志上的一項(xiàng)新研究中，紐約大學(xué)的科學(xué)家重新訓(xùn)練了現(xiàn)成的Google深入學(xué)習(xí)算法，以區(qū)分兩種最常見(jiàn)的肺癌類型，準(zhǔn)確率為97%。
    
     這種類型的人工智能，在上傳到谷歌網(wǎng)站上的圖像中識(shí)別人臉、動(dòng)物和對(duì)象，已被證明擅長(zhǎng)診斷疾病，包括糖尿病失明和心臟病。
    
     但是紐約大學(xué)的神經(jīng)網(wǎng)絡(luò)已經(jīng)學(xué)到了病理學(xué)家從未做過(guò)的事情：一張圖片可以識(shí)別每個(gè)腫瘤中的基因突變。
    
     我認(rèn)為真正新穎的不僅是人工智能和人一樣好，而且它提供了人類專家無(wú)法提供的見(jiàn)解。研究。
    
     為此，Tsirigos的團(tuán)隊(duì)從Google的Inception v3開(kāi)始，這是一個(gè)開(kāi)源算法，Google訓(xùn)練它識(shí)別1000種不同的對(duì)象。
    
     為了教授區(qū)分癌組織和健康組織的算法，研究人員展示了從癌癥基因組圖譜中拍攝的數(shù)十萬(wàn)張圖像。
    
     一旦Inception知道如何以99%的準(zhǔn)確率篩選癌細(xì)胞，下一步就是教它區(qū)分兩種類型的肺癌，腺癌和鱗狀細(xì)胞癌。
    
     雖然在顯微鏡下它們看起來(lái)很相似，但是治療這兩種癌癥卻大不相同。對(duì)于病人來(lái)說(shuō)，正確的治療意味著生死之別。
    
     當(dāng)研究人員在紐約大學(xué)對(duì)癌癥患者的單獨(dú)樣本《盜夢(mèng)空間》進(jìn)行測(cè)試時(shí)，其準(zhǔn)確度略有下降，但下降幅度不大。
    
     Tsirigos說(shuō)，這并不奇怪，因?yàn)獒t(yī)院樣本比冷凍TCGA樣本攜帶更多的噪音、炎癥、死亡組織和白細(xì)胞處理。
    
     提高度將僅僅允許病理學(xué)家用更多的附加特征來(lái)注釋組織切片，因此算法可以學(xué)習(xí)挑選它們。
    
     但是，并不是人類的幫助教會(huì)了《盜夢(mèng)空間》去發(fā)現(xiàn)那些組織切片上的突變。這種技能是通過(guò)算法本身來(lái)學(xué)習(xí)的。
    
     當(dāng)他們?cè)谛碌膱D像上測(cè)試他們的系統(tǒng)時(shí)，它不僅可以識(shí)別出什么顯示出癌組織，而且可以識(shí)別特定組織樣本中的基因突變。
    
     但這些微妙的變化是什么呢我們不知道。它們被埋葬在算法中，沒(méi)有人真正知道如何提取它們。
    
     這是深層學(xué)習(xí)的黑箱問(wèn)題，但在醫(yī)學(xué)領(lǐng)域尤為迫切。批評(píng)者認(rèn)為，這些算法必須首先使其創(chuàng)建者更加透明，才能被廣泛使用。
    
     否則，人們將如何能夠感知到他們不可避免的失敗可能是影響患者生存和死亡的嚴(yán)重問(wèn)題。
    
     但是康奈爾大學(xué)卡里爾和以色列卡里爾和英格蘭醫(yī)學(xué)研究所主任奧利維爾·莫里托說(shuō)，即使你不知道它是如何工作的，你也可以不用99%的時(shí)間正確回答問(wèn)題。臨床試驗(yàn)也是愚蠢的。
    
     但是要達(dá)到理想的可靠性并不容易。不同的醫(yī)院使用不同的儀器和程序來(lái)處理腫瘤樣本。教授一種算法來(lái)覆蓋所有這些變異性確實(shí)是一項(xiàng)困難的任務(wù)。
    
     但這是Tsirigos和他的團(tuán)隊(duì)計(jì)劃做的。在接下來(lái)的幾個(gè)月里，研究人員將繼續(xù)訓(xùn)練他們的人工智能程序以從更多不同的來(lái)源獲得更多的數(shù)據(jù)。
    
     想象一下，發(fā)送一個(gè)腫瘤樣本的數(shù)字照片，并獲得完整的診斷和可行的治療幾乎瞬間。
    
     斯坦福癌癥研究所（Stanford Cancer Institute）生物醫(yī)學(xué)信息學(xué)主任丹尼爾魯賓（Daniel Rubin）說(shuō)，更大的問(wèn)題是，這種方法是否足夠可信，可以取代目前的方法。
    
     他說(shuō)，如果將來(lái)沒(méi)有大量的驗(yàn)證工作，這是不可能的。但是它確實(shí)指出了病理學(xué)家在計(jì)算機(jī)領(lǐng)域工作的前景。
    
     隨著Google和其他公司提供更先進(jìn)的算法作為開(kāi)源，研究人員現(xiàn)在可以相對(duì)輕松地開(kāi)始他們自己的AI項(xiàng)目。
    
     通過(guò)一些定制，這些神經(jīng)網(wǎng)絡(luò)可以開(kāi)始分析大量的生物醫(yī)學(xué)圖像數(shù)據(jù)，而不僅僅是腫瘤圖像。
    
     至于算法培訓(xùn)，Tsirigos也提到，起初他不敢邀請(qǐng)紐約大學(xué)的任何人參加。畢竟，他們會(huì)幫助創(chuàng)造一個(gè)未來(lái)的競(jìng)爭(zhēng)對(duì)手。
    
     但最終，事實(shí)證明，招聘很容易。人們很想知道《盜夢(mèng)空間》能做什么。不僅是肺癌，還有他們自己的項(xiàng)目。
    
     Tsirigos說(shuō)他們并不擔(dān)心被替換，他們樂(lè)于提出更深層次的問(wèn)題，因?yàn)闄C(jī)器可以處理簡(jiǎn)單的問(wèn)題。
    
     網(wǎng)站網(wǎng)友點(diǎn)擊量更高的文獻(xiàn)目錄排行榜： 點(diǎn)此鏈接 關(guān)注頁(yè)面底部公眾號(hào)，開(kāi)通以下權(quán)限： 一、獲得問(wèn)題咨詢權(quán)限。 二、獲得工程師維修技術(shù)指導(dǎo)。 三、獲得軟件工程師在線指導(dǎo) toupview,imageview,OLD-SG等軟件技術(shù)支持。 四、請(qǐng)使用微信掃描首頁(yè)底部官主賬號(hào)！