识别恶性肿瘤、筛查视网膜病变,Google 正在用机器学习改变医疗

By 高静宜2017年5月19日 10:04

在今年的 Google I/O 开发者大会上,Google CEO Sundar Pichai 介绍了 Brittany Wenger 的故事。Brittany 今年 17 岁,还是一名高中生,通过利用机器学习技术结合生物学知识,她开发了一个帮助医生诊断乳腺癌的 App。这款 App 可以有效识别 99% 的恶性肿瘤,还获得了 Google 科技博览会大奖。

在过去的一年中,Google 的研究团队同样在探索使用机器学习帮助医生检测乳腺癌淋巴结转移过程。他们创建了一个自动检测算法,以求自然地辅助病理学家的工作。

图片1.png左图是两个淋巴结的活检图像;中图是早期 Google 利用深度学习检测肿瘤的结果;右图是目前 Google 的结果,注意两个版本之间明显减少的噪声。

除此之外,Google 的研究团队还用机器学习技术帮助医生进行糖尿病视网膜病变的筛查。Google 正在与 Alphabet 旗下生命科学子公司 Verily 以及其他生物医学伙伴合作,致力于将这些研究成果落地到实际的医疗设备中,比如打造有助于防止糖尿病患者失明的工具。

然而医疗健康数据是非常复杂的。过去的一年中,Google 一直在试图验证、并让这些数据改善诊断结果,研究成果将在未来几个月内通过临床验证以确保方法的严谨性。此外,Google 也在帮助协调机构纪录数据的方式。不同的纪录方式让洞察数据的内在价值变得困难,建立数据之间的互通和标准需要耗费大量时间及人力。不过,现在利用构建在开放数据标准系统 FHIR 上的 Google 深度学习技术就可以自动化这个过程,给予临床医生和研究人员一个更加方便的的数据使用条件。

图片2.png

淋巴结活检的特写镜头,组织包含乳腺癌转移和巨噬细胞,虽然看起来与肿瘤相似,但是是良性正常组织。Google 的算法可以成功识别肿瘤区域(亮绿色),不会被巨噬细胞干扰。

医疗失误同样造成大量生命和财产损失。美国每年因医疗保健感染致死的案例多达 99000 起,药物问题造成的死伤案例超过 770000 起,因医疗失误造成患者需要再次住院的医疗费用高达 170 亿美元。这个亟待解决的问题同样也是全球化的:全球每年有 4300 万人受到医疗失误的波及,其中大部分发生在中低收入国家。

面临这样的环境,Google 表示他们已经做好了充足的准备:机器学习技术的成熟度已经达到精确预测医疗事件的要求,比如患者是否需要住院,需要住院多久,他们的健康状况是否会在尿路感染、肺炎或是心脏衰竭的治疗过程中恶化等。先进的机器学习技术可以在「De-identified」的医疗记录中发现模式,预测未来可能发生的种种情况,并在病症出现前满足患者的需求。

Google 已经与加州大学旧金山分校、斯坦福大学医学院以及芝加哥大学医学院达成合作,希望能同世界一流的医学和生物信息研究专家携手,共同探索机器学习与临床专业知识的结合,来改善患者的健康状况,避免医疗事故的发生,尽可能的挽救人类的生命。

信息来源:

https://blog.google/topics/machine-learning/partnering-machine-learning-healthcare/

https://research.googleblog.com/2017/03/assisting-pathologists-in-detecting.html



声明:本文由机器之心原创出品,版权归作者所有,转载请查看要求,机器之心对于违规侵权者保有法律追诉权。