對(duì)抗癌癥的關(guān)鍵是及早發(fā)現(xiàn)，醫(yī)生現(xiàn)在有最先進(jìn)的醫(yī)學(xué)影像儀器、還有經(jīng)驗(yàn)豐富的放射科醫(yī)師輔助，能夠發(fā)現(xiàn)不正常增生的跡象，再透過(guò)介入性的病理切片，判斷它是良性還是惡性，然而誤判情況經(jīng)常發(fā)生。

科學(xué)家于是開(kāi)始思考，是不是能運(yùn)用人工智能(AI)進(jìn)一步改善診斷過(guò)程呢？他們希望透過(guò)AI發(fā)展出更可靠、而且非介入性的方式，幫助醫(yī)師判斷病變究竟是良性還是惡性。

據(jù)Medical News Today報(bào)導(dǎo)，以乳癌的檢測(cè)為例，目前較新的診斷方式，是透過(guò)超音波彈性影像(ultrasound elastography)技術(shù)測(cè)定乳房組織的僵硬程度，原理是震動(dòng)組織、形成聲波，而聲波在超音波掃描中會(huì)出現(xiàn)扭曲，顯示出乳房裡有哪些區(qū)塊呈現(xiàn)出與周遭組織不同的特性。

這些資訊有助醫(yī)師判斷某病變是否為癌癥，不過(guò)判斷過(guò)程很花時(shí)間，要經(jīng)過(guò)多個(gè)步驟、也很復(fù)雜。

加州大學(xué)洛杉磯分校(UCLA)的團(tuán)隊(duì)日前發(fā)表最新研究成果，他們用1.2萬(wàn)幅合成數(shù)據(jù)(synthetic data)影像訓(xùn)練深度卷積神經(jīng)網(wǎng)路(Deep Convolutional Neural Network)，讓它去判別病變的良惡。

經(jīng)訓(xùn)練后，演算法已能100%判斷合成影像。團(tuán)隊(duì)接著拿實(shí)際的掃描影像來(lái)訓(xùn)練，準(zhǔn)確度亦能達(dá)到8成。他們下一步將繼續(xù)使用真實(shí)的影像來(lái)作訓(xùn)練，盼提升演算法的準(zhǔn)確度，未來(lái)更希望將研究成果拓展到其他種類(lèi)的癌癥判斷。

該研究的作者也指出，AI已經(jīng)成功運(yùn)用在放射學(xué)、皮膚醫(yī)學(xué)、病理學(xué)等的影像分析上，不過(guò)仍不能取代訓(xùn)練精良的人類(lèi)醫(yī)師。他認(rèn)為，演算法若要發(fā)揮最大助力，必須要能呈現(xiàn)出整個(gè)作判斷的過(guò)程，而不是像黑箱作業(yè)一樣，如此才能真正協(xié)助醫(yī)師，達(dá)到相輔相成的效果。

來(lái)源：Medical News Today

免責(zé)聲明：本文僅供參考，只代表作者本人觀點(diǎn)，不代表本站觀點(diǎn)。