EurekAlert最近报道了人工智能技术在医学领域应用的一项新研究，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、确定癌症类型，甚至可以识别导致细胞异常生长的基因。

该研究由纽约大学医学院的研究人员发表在杂志上，研究发现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难以确认。

这种人工智能工具还能够确定细胞中是否存在与肺癌相关的6种基因的异常形式——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通常会导致癌细胞异常生长，但也会改变细胞的形状和与周围环境的相互作用，为自动分析提供视觉线索。

研究人员说，随着靶向治疗的增加，确定每个肿瘤中哪些基因发生了变化变得至关重要，因为靶向治疗只对具有特定突变的癌细胞起作用。例如，已知大约20％的腺癌患者的基因表皮生长因子受体中有突变，那么现在就可以开始药物治疗了。

研究作者表示，目前用于确认突变存在的基因测试可能需要数周时间才能返回结果。

“延迟癌症的治疗从来都不是好事，”高级研究员、纽约大学朗格尼癌症中心病理学系副教授Aristotelis Tsirigos博士说，“我们的研究提供了强有力的证据，证明人工智能方法能够立即确定癌症亚型和突变特征，从而使患者能够更早地开始使用靶向治疗。”

机器学习

在目前的研究中，研究团队设计了统计技术，使他们的程序在没被告知如何做的情况下，能够“学习”如何在任务中变得更好。这些程序构建规则和数学模型，使其能够基于数据示例进行决策，随着训练数据的增长，程序将变得“更加智能”。

受大脑神经细胞网络的启发，新的人工智能方法能使用越来越复杂的电路分层处理信息，每一步都将信息输入到下一个步骤，并在此过程中为每条信息分配或多或少的重要性。

目前的团队训练了一个深度卷积神经网络——谷歌的Inception v3，来分析从癌症基因组图谱获得的幻灯片图像。这让研究人员可以测量他们的程序是如何训练的，以准确和自动地对正常组织与患病组织进行分类。

有趣的是，这项研究发现，在被人工智能程序错误分类的一小部分肿瘤图像中，约有一半也被病理学家错误分类了，这说明腺癌和鳞状细胞癌这两种肺癌类型确实很难区分。另一方面，在被研究中的至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正确了，这说明人工智能确实很有用。

“我们很高兴自己的研究能够提高病理学水平的准确性，并证明人工智能能够在癌细胞及其周围组织的可见特征中发现以前未知的模式，”共同作者Narges Razavian博士说，他是放射学和人口健康系的助理教授，“数据和计算能力之间的协同作用正在创造前所未有的机会，以改善医学实践和科学。”

目前，他们正在寻求政府批准在临床上使用该技术，同时将该技术用于对几种癌症类型的诊断。接下来，该团队计划继续使用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高到90％以上。