DeepMind AI系統檢測乳癌準確度超過專家，可大幅降低X光照片解讀工作負擔

DeepMind在《自然》科學期刊發表了一個經9萬筆資料訓練的人工智慧模型，能夠比人類放射線專家還要更精確的辨識乳癌，而且還可以敏感地找出偽陰性的案例，也就是那些實際患有乳癌，但是卻被判讀成正常的圖像，而這對於乳癌的治療有很大的幫助。

乳癌是女性癌症的第二大死因，研究證明，乳癌若能即早發現治療的話，將可以逆轉這個情況，而乳房X光攝影是能夠早期發現乳癌症狀的方法，進而能夠讓病患提早接受治療，但是解釋乳房X光攝影有其限制，專家檢測癌症的能力差異很大，可能產生偽陽性和偽陰性錯誤判斷結果。

DeepMind、英國癌症研究中心、西北大學和皇家薩里郡醫院合作，開發能夠預測乳癌的人工智慧系統，這個人工智慧系統同時使用來自英國以及美國的資料集。在美國女性每一年或是兩年接受一次X光攝影，照片由一位放射科醫師解讀，在英國則是每三年進行一次檢查，每張X光照片由兩位放射科醫師解讀，而研究團隊則利用美國與英國的資料集，來開發並評估人工智慧系統。

英國資料集包含2012年至2015年間，所有受篩檢女性的10％隨機樣本，其中包括25,856名女性，而有785位接受活檢，其中有414名婦女之後被診斷出癌症。美國的資料集則是來自一個醫學中心的資料，內含從2001年至2018年3,097名婦女的乳房X光照片，其中有1,511個人接受活檢，接受活檢的婦女則有686位在活體檢查後被診斷出患有癌症。

研究團隊把人工智慧系統和人類專家的判讀結果相比，利用美國的資料集進行評估，能夠減少5.7％的偽陽性錯誤判斷機率，而在英國的資料集則能減少1.2％偽陽性誤判率，在偽陰性方面，人工智慧在美國案例降低了9.4％誤判率，而在英國案例則是降低2.7％誤判率。

而研究團隊也測試了系統的通用性，只用英國資料集訓練人工智慧系統，並用美國受試者資料集進行評估，結果同樣是人工智慧系統超越人類專家的表現。研究團隊表示，這樣的結果可以使人們更相信人工智慧系統，並在沒有定期乳癌篩檢計畫的地區，提供婦女精確的乳癌篩檢服務。

雖然研究團隊還沒找出部署人工智慧乳癌篩檢系統的最佳方法，但是將人工智慧系統部署為照片第二解讀者，可以有效降低醫療人員的工作負擔，在模擬實驗中，人工智慧系統輔助英國的雙重解讀系統，只要付出12％的解讀工作負擔，就能維持現有的篩檢效能。