Google5日请到Google AI产品经理Daniel Tse分享Google如何将人工智能与医疗应用结合。 Google表示,未来可望进军台湾医疗。

Daniel说,机器学习技术的运作过程为,从训练到推论,训练机器辨识在影像中猫或狗的特征,给予上千张猫的影像,并且指认这是猫,而不需要描述有关猫咪的特征,机器即可从输入的例子中自己学习辨认猫的影像,且无需人工介入。

Daniel指出,同样的科技也可应用在医学影像上,特别是需要浏览大量资料或者专业知识的人有限的领域,特别适合机器深度学习。

全球有4.15亿的糖尿病患者,他们恐有视网膜病变风险,印度因缺少近12.7万名眼科医师,导致有多达45%的患者在还未接受诊断前就失明、丧失部分视力。 Daniel说,为了挽回这种情形,Google员工利用Google Photo等演算法,来做影像分类,透过导入深度神经网路判读眼底影像,也与50名眼科医师合作。经数月研究发现,模型表现与一般眼科医师不相上下,甚至超越眼科医师,同样运作的原理也被运用在Google相簿中。

Daniel表示,AI技术还可用于乳癌筛检,每12人的乳腺癌检测中,就有1人可能被误诊,也是过去面临的一大挑战。为了解决时间限制和诊断差异性高的问题,Google 正帮助医生检测淋巴结内乳癌细胞转移情况,建立产生预测热图的模型来帮助肿瘤细胞的定位作判断。

癌症的诊断包括取肿瘤样本,放在玻片上、染色,在显微镜下观 察细胞情形。每一个玻片上包含将近 10 亿像素(10 gigapixels)的资讯,而透过显微镜彻底检查这些玻片则非常耗时且复杂。

Daniel说,人工智慧 (AI)以及机器学习 (Machine Learning) 人工智慧是能让事物变更聪明的科学,而机器学习则是训练机器透过学习使其变得更聪明。最终用玻片对还未训练的模型进行训练时,该演算法产生的预测热图有了很大的改善,且演算法的定位分数(FROC) 达到89%,大幅超越了在没有时间限制下,病理学家对肿瘤定位的正确率(73%),我们也将这项研究工具开放到网路上,让其他研究人员都可以使用。



相关文章