谷歌在机器学习研究方面取得了里程碑式的进展，这将推动该公司在医疗保健领域的更广泛抱负。在今天发表在《自然医学》杂志上的一篇论文中，谷歌研究人员提出了一种端到端的深度学习模型，该模型可以与人类放射科医生相比或更好地预测肺癌。来自西北大学、斯坦福大学、帕洛阿尔托退伍军人事务部和纽约大学的研究人员也参与了这项研究。

　　世界卫生组织认为肺癌是全球最具破坏性的癌症，而导致每年180万人死亡的主要因素是发现较晚。

　　影像学检查是诊断肺癌最常见的方法，医生和放射科医生检查病人的胸部x光片或CT扫描。美国肺协会建议，在高危人群中，通过低剂量CT筛查早期发现肺癌，可以将肺癌死亡率降低14%至20%。

　　不幸的是，美国疾病控制中心（US Centers for Disease Control）的报告显示，只有不到5%符合筛查标准的患者接受了筛查。在医疗资源短缺的地区，筛查率甚至可能更低。谷歌希望通过利用人工智能来改善肺癌筛查，使其更容易获得，从而改变这一现状。该公司首席执行官孙代皮查伊在推特上写道：“今天我们将在@NatureMedicine上发表我们的研究成果，展示这些方法如何提高世界各地许多处于危险中的人的生存机会。”

　　谷歌的肺癌预测模型是在TensorFlow上建立和培训的，包括两个框架：用于产生肺癌恶性肿瘤预测的完整CT容量模型（在3D体积中观察），以及用于识别肺结节中微妙恶性组织的恶性病变检测模型。 该模型还可以将先前的CT扫描作为输入，以提高其预测准确性。

　　本研究使用了三个数据集：LUNA、LIDC和NLST。该模型是在美国国立卫生研究院（NIH）研究数据集中近4.6万次未识别的胸部CT筛查中训练出来的。

　　研究人员进行了有CT扫描和没有CT扫描的实验。在第一个使用单一CT扫描进行诊断的实验中，谷歌模型检测出的癌症病例比由6名独立放射科医生组成的人类小组多出5%，假阳性病例减少了11%。

　　在6716例国家肺癌筛查试验病例中，该模型也达到了最先进的性能（94.4%曲线下面积）。在第二个实验中，使用了以前的CT扫描，谷歌模型与放射科医生的表现相当。

　　谷歌的研究人员说，研究结果“显示了深度学习模型在提高全世界肺癌筛查的准确性、一致性和采用率方面的潜力”。

　　德勤表示，到2020年，全球医疗保健支出将达到每年8.7万亿美元。虽然谷歌是医疗保健行业的新手，但硅谷科技巨头拥有在这个不断增长的领域应用人工智能的资源和动力。谷歌研究机构谷歌大脑已经开发了深度学习算法，以改善前列腺癌的分级，检测转移性乳腺癌，并预测患者心脏病发作或中风的风险。

　　虽然谷歌的肺癌预测研究仍处于研究阶段，但可以在几年内在医院进行部署。 2016年，谷歌推出了深度学习研究，用于预测患者视网膜照片引起的致盲性糖尿病性视网膜病变，这种革命性的人工智能系统已经在印度眼科医院使用，可帮助医生进行检测和诊断。

　　原文出自：https：//syncedreview.com/2019/05/20/google-diagnostic-ai-aims-to-boost-lung-cancer-survival-rates/