Google的人工智慧系統,會先以Gleason分級方法,對活體組織切片各個區域進行分級,最後總結給出整個切片的分級

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。

熱門新聞

Advertisement