“癌症”微软联合建立AI癌症识别模型，训练数据集包含400万张图像

今天，很高兴为大家分享来自DeepTech深科技的微软联合建立AI癌症识别模型，训练数据集包含400万张图像，如果您对微软联合建立AI癌症识别模型，训练数据集包含400万张图像感兴趣，请往下看。

来源：DeepTech深科技

最近我一直在思考癌症筛查，因为在过去的几个月里，我看到了一些关于人工智能将如何彻底改变癌症检测的新闻。

就在上周，微软宣布与数字病理学公司 Paige 合作，建立世界上最大的基于图像的癌症识别人工智能模型。该算法的训练数据集包含 400 万张图像。Paige 的 CEO 安迪·莫耶（Andy Moye）在接受媒体采访时表示：“对于癌症治疗来说，这是一个开创性的时刻。”

2023 年 8 月，人工智能乳腺癌筛查的首个临床试验结果出炉。研究人员比较了两种查看乳房 X 光片的方法：一种是由两名独立的放射科医生进行的，另一种使用了一名放射科医生和人工智能为患者打分，使用的是从 1 到 10 的数字癌症风险评分系统。在后一组中，那些被打 10 分的人患癌风险最高，他们的图像也会由两名放射科医生查看。人工智能支持的模型减少了 44% 的工作量，检测出的癌症增加了 20%。

这听起来是件好事。从理论上讲，癌症发现得越早就更容易治疗，从而挽救生命。但数据并不总是支持这个结论。8 月下旬发表的一项研究，梳理了随机临床试验的文献，比较了两组人的死亡率（任何原因，不仅仅是癌症）：接受癌症筛查的人和没有接受癌症筛查的人。对于大多数常见类型的癌症筛查，他们没有发现显著差异。唯一的例外是乙状结肠镜检查，这是一种仅能观察结肠下部的结肠癌筛查。

为什么会这样的原因还不完全清楚。这可能是因为研究中的设计缺陷。作者在分析中纳入的试验可能没有对参与者进行足够长的跟踪，无法看到差异。另一种解释是，筛查对一些癌症的好处可能更大。例如，如果筛查早期发现致命的癌症，患者可能会获得宝贵的时间来成功治疗这种疾病。但是，如果筛查发现了许多不会导致死亡的癌症，那么就不会带来特别明显的结果。

这个问题被称为过度诊断。我喜欢澳大利亚一个研究小组的描述：“过度诊断不是假阳性诊断或误诊。”诊断是正确的，但它对患者的健康几乎没有益处，甚至可能造成伤害。

毫无疑问，对于如果未被发现就会导致死亡的癌症，筛查项目可以发现它们。那么，我们为什么要担心过度诊断呢？因为筛查也会造成伤害。接受结肠镜检查的患者有时会出现肠穿孔，而活检可能导致感染。放疗和化疗等治疗方法会对人们的健康造成严重风险，切除肿瘤的手术也是如此。

那么人工智能辅助筛查会导致更多的过度诊断吗？我向美国德克萨斯大学奥斯汀分校戴尔医学院的皮肤科医生兼研究员阿德乌勒·亚当森（Adewole Adamson）咨询。“我会毫无保留地说‘是的，会的’，”他说，“人们认为筛查的目标是找到更多的癌症。但其实这不是我们的目标。我们的目标是找到最终会致死的癌症。”

这很棘手。对于绝大多数癌症来说，没有好的方法将非致命与致命的肿瘤区分开来。因此，医生经常把它们都当作可能致命的东西来对待。

在 2019 年的一篇论文中，亚当森解释了这些癌症检测算法是如何学习的。计算机上显示的图像被标记为“癌症”或“非癌症”。然后，算法会寻找规律来帮助识别它们。

亚当森在论文中写道：“问题是，对于癌症的构成问题，没有一个正确的答案。使用机器学习算法对早期癌症进行的诊断，无疑比基于人类解释的诊断更一致、更可复制。但它们不一定更接近事实，在确定哪些肿瘤注定会导致症状或死亡方面，算法可能并不比人类好。”

但人工智能也有可能帮助解决过度诊断的问题。我上面提到的澳大利亚研究人员提供了一个例子：人工智能可以使用医疗记录中嵌入的信息来检查不同患者癌症随时间的发展。在这种情况下，可能会区分出那些没有从诊断中受益的人。

亚当森并不反对人工智能。他认为，只需在算法学习的数据中添加第三种类别就有价值：“可能是癌症。”这种分类将包括引起专家分歧的幻灯片或图像。对于这些患者，“也许你会找到更保守的治疗方法。”

因此，现在就人工智能在癌症诊断中的作用做出判断可能为时过早，但我们可能应该以更怀疑的眼光审视任何关于人工智能癌症筛查的消息。就亚当森而言，他厌倦了看到头条新闻大肆宣扬人工智能发现更多癌症的力量。他说：“人们被这些头条新闻所欺骗，认为发现的癌症越多越好。真幸运我是光头，不然我看到这些新闻，真的很想把头发薅下来。”

支持：Ren

运营/排版：何晨龙

好了，关于微软联合建立AI癌症识别模型，训练数据集包含400万张图像就讲到这。