Google公布LYNA的監測工具：AI輔助乳腺癌診斷的最新成果
2023-03-31 16:37:45 2
在全球範圍內，過去至少有50萬人死於乳腺癌，其中90%是轉移性腫瘤。今年10月，谷歌發布了名為LYNA的監測工具——人工智慧輔助乳腺癌診斷的最新結果。
LYNA能準確區分轉移性癌與無轉移性癌幻燈片，準確率達99%，平均診斷時間縮短一半。
人工智慧輔助技術（如LYNA）的誕生無疑是人類醫學史上的又一次突破。深入學習減輕了病理學家重複認識的負擔。醫護人員將極大地提高使用算法的效率來輔助他們的工作。同時，可以保證患者的診斷結果，這比採用單一的檢測方法要好。
事實上，在2015年Alphabet成為Google的母公司後，人工智慧幾乎成為每個部門的戰略核心，對人類社會最重要的貢獻之一就是醫學人工智慧。
在中國，AI醫藥也成為了一個熱門領域，從騰訊、百度等頂級玩家的全面投資到初創企業的熱潮，如何區分真假呢谷歌所做的可以作為參考。
2016年初，Google的子公司DeepMind成立了衛生部，並在五年內正式宣布將人工智慧引入醫學領域。重新回到外面的世界。
經過兩年多的技術嘗試和多次示範，GoogleAI醫療取得了巨大成就，DeepMindHealth也與GoogleAI醫療緊密相連，在DeepMind的幫助下，Google在防治方面取得了許多突破和成就。癌症、糖尿病、心血管疾病等疾病。
11月中旬，GoogleHealth捲土重來，DeepMindHealth部門被包括在內，不再作為DeepMind的獨立品牌運營。據報導，美國頂級醫療保健提供商Geisinger的前CEO大衛·范伯格（DavidFeinberg）負責新的Goog。衛生部，它是重組和未來的一切。
GoogleHealth始於2008年，被Google定義為在線健康信息平臺，當時GoogleHealth的發展方向主要是延緩衰老、大數據分析、電子病歷系統等領域。
然而，GoogleHealth在2012年被正式放棄，因為該平臺的影響力不足，用戶數量少。2015年，GoogleHealth出現在《每日電訊報》上，被稱作Google歷史上18大失敗之一。
2010年，總部設在英國倫敦的人工智慧公司DeepMind成立。作為一家初創企業的淘金者，谷歌注意到了公司的潛在實力，並在2014年以4億美元完成了對DeepMind的收購。
谷歌旗下的DeepMind正在崛起。兩年後，獨立開發的人工智慧程序AlphaGo向世界證明了人工智慧的強大力量，粉碎了許多世界頂尖的圍棋玩家。
在被崇拜之後，DeepMind繼續關注AI作為Google的子公司。作為GoogleAI的領導者，DeepMind的合併極大地增強了Google對人工智慧的信心和實力。面對AI的無限可能性，Google打算重新啟動它長期休眠的醫療系統。企業在適當的時候捲土重來。
2016，深心靈健康應運而生。它主要負責發現人工智慧在衛生保健領域的應用，並在數據和隱私最嚴格的歐洲啟動項目。
根據Google目前的做法，通常由Google人工智慧團隊（GoogleBrain）研究人工智慧算法。除了明星公司DeepMind之外，Google還有兩個子公司，分別在2013年和2015年分別是Calico和Verly，它們在醫療業務中發揮作用。
今年6月，英國醫學期刊《柳葉刀》發表了華盛頓大學健康指標和評估研究所出版的《全球健康質量清單》。報告發現，發展中國家與發達國家的差距仍然明顯，各國醫療資源配置比例失衡。
另一方面，近年來，全球科技巨頭和國內外初創企業紛紛加入人工智慧的行列。在去年的達沃斯論壇上，以深入學習技術為代表的醫學人工智慧(MedicalArti.Intelligence，AI)被評為世界十大新興技術。隨著越來越多的高科技企業參與AI藥物的應用研究，通過技術促進和加速產業轉型已成為公認的產業價值和商機。
AI醫療的結構定義可分為基礎層、技術層和應用層，基礎層覆蓋各種數據的積累和通信，技術層利用語音和圖像記錄對非結構化數據進行分析和總結。啟動技術，通過深入的機器學習實現監控和診斷能力；應用層通過結合醫療行業的各種場景來輔助或直接解決實際需求，例如，僅使用語音和圖像識別技術。可以診斷、藥物研發、智能健康管理等。
根據美國2017年的一項調查，超過一半的醫院計劃在未來五年內引入人工智慧，35%的醫院希望在兩年內實現這一目標。因此，AI+Medical將成為醫療行業的主題。在欠發達國家和地區，這個消息無疑重新燃起了生活的希望。也許在不久的將來，他們將有機會享受世界級的醫療資源。
可以預見，醫學界正試圖通過深入的機器學習實現跨越式發展。在這個過程中，機器不僅承擔了部分醫生的重複性工作，而且使診斷和治療過程更加規範和準確。
在2016年8月，Google首次展示了AI自己的頭頸部癌症治療方案的結果。DeepMindHealth通過與國家衛生服務（NHS）的深入合作分析了700名癌症前患者。一種自動執行部分治療以減少醫生治療頭頸癌的時間的算法。
據了解，整個治療計劃醫生需要花費大約4個小時，用人工智慧代替後將減少到1個小時。這一成就的意義在於幫助醫務人員節省大量時間，更好地投資於病人護理、醫學教育和研究。帽子，從案例分析獲得的數據也可以用來研究身體的其他部分。
如果上述方案不夠令人興奮，那麼Google將機器學習技術應用於糖尿病視網膜病變的診斷（稱為糖網病）對於中長期糖尿病患者絕對是個好消息。分析眼部掃描圖像以診斷糖尿病視網膜病變的技術，幫助患者避免失明的風險。
截至2014，世界糖尿病患者超過4億2000萬。雖然這一數字逐年下降，但不可低估，尤其是長期糖尿病患者，他們面臨著糖網病致盲的風險。
醫學影像學是一個很有前途的子領域，Google醫學影像團隊已經成功應用了深度學習來提高醫學影像輔助診斷的準確性，除了用於糖網病的檢測外，還有許多成功的案例。
Google的研究人員說，研究小組使用了注意力機制來解釋算法是如何預測的。該機制通過相關技術自動生成溫度圖，顯示哪些像素對於預測特定的心血管風險因素最為重要，並給予更多的關注。通過闡明算法機理，該方案是可信的。
傳統上，醫學發現通常是通過複雜的猜測和檢驗來完成的。首先觀察，然後給出假設，最後根據設計和操作實驗來檢驗假設，以驗證假設是否正確和合理。真實圖像中的各種特徵、圖案、顏色、數值和形狀，很難對醫學圖像中的關聯進行觀察和量化。
顯然，當人類做壞事時，機器可以發揮極好的作用。Google團隊說，它們使用深入的學習來繪製人體解剖學與疾病之間的聯繫圖，類似於醫生將症狀和體徵聯繫起來診斷新疾病，這極大地幫助了醫學的復發。RCHER產生更具針對性的假設，並推動更廣泛的未來研究。
除了深入學習的積累，Google還嘗試在醫學領域使用增強現實（AR），創建一個可以在醫學界發揮重大作用的產品——用於癌症檢測的增強現實顯微鏡（ARM）。
這種改進的光學顯微鏡可以直接顯示醫學專業人員視覺領域中的實時圖像分析和機器學習算法的結果，用戶可以通過ARM上的目鏡觀看樣本，機器學習算法的輸出被投影到用戶實時的光路，然後疊加在樣本圖像上，以幫助觀看者在幻燈片上定位或量化感興趣的特徵。
應該補充的是，ARM平臺的計算組件和深入學習模型允許操作一系列預先訓練的模型，並且可以直接適用於世界各地的所有醫院和診所的光學顯微鏡。它們使用成本低，使用方便，不需要分析整個組織的所有數字版本。
儘管顯微鏡目前處於原型階段，谷歌相信它可以幫助世界各地的病理學家加速採用深入的學習工具，並有可能對全球衛生行業產生重大影響。
目前，使用機器學習來預測發展是非常普遍的。Google將同類型的機器學習應用於臨床預測。它使用深入學習來分析電子病歷並預測患者的發展。這個計算機系統以可伸縮的方式預測，而無需為每個預測任務手動創建新的數據集。
經過反覆試驗，該模型在預測精度方面有很好的效果。從評分來看，新方法的準確性優於傳統模型，改進效果顯著。Google使用這些模型來確定患者接受的治療。患者發出的信號，以及臨床醫生寫的治療計劃和說明。因此，AI在這個階段不會取代主治醫生的角色。
儘管已經有許多成功的AI輔助診斷和治療案例，但不可否認的是，Google仍然有許多問題需要解決。
例如，眼底圖像的解釋只是糖網病診斷的眾多環節之一，其他步驟也是必不可少的。糖尿病視網膜病變及其他眼病的診斷
在心血管疾病方面，Google還有很多工作要做。數據集包含許多變量，如吸菸、收縮壓、年齡、性別等，但是只有幾百個病例有精確標記的心血管疾病數據。整個團隊都在尋找開發和測試一個更大更完整的數據集的算法。
深入學習技術在檢測轉移性乳腺癌方面的研究也有許多局限性，如有限的資料庫、模擬診斷工作流程、用於單獨檢查每個患者的單個淋巴結而不是用於檢查多個淋巴結的病理幻燈片等。此外，GoogleAI醫療團隊需要進一步評估LYNA對實際臨床工作流程和治療結果的影響。
然而，對電子病歷的深入學習分析的研究成果僅僅在今年5月才發表，還處於起步階段，坦率地說，Google還有很多工作要做，以證明機器學習可以改善醫療保健的假設。
如果這些機器學習模型應用於醫療機構，能幫助醫務人員處理繁瑣的管理任務，使他們更加關注有需要的病人，幫助病人獲得高質量的護理，徹底解決醫療服務分配不均的問題。皮託有了這些問題和疑慮，Google希望與越來越多的醫療機構和患者合作，找出這些問題的答案。
在過去的幾年裡，Google一直使用人工智慧核心研究資源來促進對社會發展具有積極影響的項目。今天，AI促進社會福利項目致力於將人工智慧應用於各種問題的解決方案，與各種組織攜手尋找嗅覺。
作為社會公益人工智慧項目的一部分，Google還發起了GoogleAI影響挑戰，呼籲來自世界各地的非營利組織、學者和社會企業提出可以通過人工智慧解決的重大社會、人道主義和環境問題。問題與對策。
