谷歌的DeepMind AI在计划放射性癌症治疗方面获得了人类肿瘤学家的青睐

每年有超过五十万人被诊断患有头颈部癌症，其中许多人选择接受放射治疗。但这是一个微妙的过程：如果在治疗前未仔细隔离，周围组织可能会严重受损。

谷歌子公司DeepMind与伦敦大学学院合作，正在探索人工智能（AI）如何帮助分割过程。它今天宣布了在实现这一愿景方面向前迈出的重要一步：验证在CT扫描中表现出“近人类表现”的模型。

“自动化...分割有可能解决这些挑战，但迄今为止，临床实践中可用解决方案的性能已经证明不如专家人类操作员的表现，”研究人员写道。“近年来，基于深度学习的算法已经证明能够提供比传统分割算法更好的性能。”他们指出，人类进行的细分可能是不一致和不完美的。这通常也很耗时 - 专家可以在一个案例上花费四个小时或更长时间。

在一篇将于周日举行的医学图像计算与计算机辅助干预会议上发表的论文（“深入学习实现临床适用的放射治疗头颈解剖分割”）中，DeepMind团队描述了一个受过三维U-Net架构训练的人对来自伦敦大学医院NHS基金会信托基金会（UCLH）的头颈部癌症患者的21个器官（喉，舌，鼻腔，结缔组织和软组织等）进行了663次断层扫描。他们指出，单个GPU上的培训时间不到30秒。在21个器官中的19个，深度学习模型与具有多年经验的放射治疗技师团队之间的表现差异不大（5％或更多）。（两个例外是脑干和右镜片。）此外，在24名患者（来自癌症成像档案馆）的CT扫描的独立测试集中，该模型在之前未见过的模型中收集，模型和放射线技师在任何结果上获得的结果“没有实质性[差距]”。个别病人。

下一阶段的研究将测试AI系统在临床环境中的表现。该团队认为，它有可能缩短诊断和治疗之间的滞后时间，并减少肿瘤缩小时适应手术所需的时间，这一过程称为自适应放射治疗。他们写道：“对医疗系统员工的需求和短缺的增加已经给医疗保健系统带来了沉重的负担，这可能会导致患者因计划放射治疗而导致长时间的延误。” “除了改变患者的生活，这项研究还可以为治疗他们的临床医生腾出时间，这意味着他们可以花更多的时间在患者护理，教育和研究上。”

DeepMind参与了几项与健康相关的人工智能项目，包括美国退伍军人事务部正在进行的一项试验，旨在预测患者在住院期间病情何时恶化。此前，它与英国国家健康服务中心 合作开发了一种算法，可以搜索失明的早期迹象，并通过将机器学习应用于乳房X线照相术来改善乳腺癌检测。

谷歌更广泛地投入了人工智能的医疗保健应用。今年春天，山景公司的医学大脑团队表示，他们已经建立了一个人工智能系统，可以预测住院再入院的可能性，他们在6月份用它来预测两家医院的死亡率，准确率为90％。

今年2月，谷歌和其健康技术子公司Verily Life Sciences的科学家创建了一个机器学习网络，可以准确地推断出一个人的基本信息，包括他们的年龄和血压，以及他们是否有患重大心脏病的风险像心脏病发作的事件。另外，Verily正在开发自动化系统来解决睡眠呼吸暂停，药物发现，血液采集和健康保险。