Google研究以AI分級前列腺癌，準確度達72％

Google開發了一種可用來對前列腺癌進行分級的人工智慧系統，能夠精確地以Gleason分級方法，對較小的前列腺活體組織切片進行分類，以進行初步的癌症診斷，而實驗結果顯示，這個人工智慧系統診斷的精確度，比經驗一般的病理學家表現更好。

在美國約有九分之一的男性，一生中都曾罹患前列腺癌，但因為大部分的前列腺癌都是非惡性的，因此判斷病患是否有其急迫性，需要承擔手術和放射性治療的風險，成為了一件具有挑戰性的工作，特別是用來分級前列腺癌嚴重程度的Gleason分級方法，實際執行有其難度。

Gleason分級方法有助於病理學家評估前列腺癌患者，Gleason分級是根據顯微鏡上玻片所觀察到的癌細胞，與正常細胞的相近程度做比較。進行Gleason分級依賴主觀的視覺檢查和評估，病理學家對於腫瘤的正確分級存在很大的分歧，因此Google在2018年的時候發表了一篇相關的研究，利用人工智慧演算法對大樣本，也就是以手術切除的前列腺組織進行Gleason分級，幫助病患了解病情以及預後。

（圖片來源／Wiki）

而Google現在將這項研究往前推進，要以Gleason分級對較小的前列腺活體組織切片進行分級，Google提到，因為活體組織切片是在前列腺癌護理初期進行，用來初步診斷癌症，並且決定癌症患者的治療方式，比起真正的切除手術還要常執行。不過，因為切除的組織較少，而且組織擷取和製備的過程，可能使樣本出現變化，所以活體組織切片比手術樣本更難分級。

Google開發了一個人工智慧系統，對活體組織切片的各個區域進行分級，最後總結區域分級，產生整個活體組織切片的分級。

因為Gleason分級的複雜性，Google請了6位經驗豐富的病理學家，合作評估這個新的人工智慧系統。這些平均年資25年的專家，先對498個腫瘤樣本進行Gleason分級，並接著請19位經驗一般的病理學家再次進行Gleason分級，發現準確度只有58％，而Google新的人工智慧系統，平均準確度卻達到72％，Google提到，這個結果凸顯了Gleason分級的困難度。不過仍有一些前列腺癌的樣本過於模稜兩可，連專家的意見也出現分歧，而Google提到，在這種情況下，深度學習系統的同意比率（Agreement Rate）和專家間的同意比率相當。

這一系列將人工智慧用於前列腺癌診斷的研究顯示，深度學習系統能夠良好地支援專家診斷癌症，並且提升癌症醫護的品質，Google提到，要使這個技術成為輔助工具，並且進一步用於臨床上或是更大的病患群體，仍需要評估系統在診斷上的準確性與一致性，但實驗結果已經證實，這項人工智慧工具，可以協助進行病理學家的診斷工作，特別是在專業技能受限的情況下。