近來，百度研討院宣佈論文提出一種AI算法，名為“神經條件隨機場”，將腫瘤辨認定位精確率大幅進步。在揭露數據集Camelyon16大賽測驗集上，該算法的腫瘤定位FROC分數到達0.8096，逾越專業病理醫師水平以及由哈佛和麻省理工學院聯合團隊所堅持的最好成果。除了病理學切片剖析方面的研討，百度還在積極探索AI在眼底印象、放射印象、以及智能問診等其他一些醫療範疇的使用。
一直以來，病理切片剖析都是癌症確診中的黃金標準。翔實閱覽病理切片、不漏掉任何一處具有臨床價值的病灶，關於腫瘤區域的精確判別甚至醫治計劃的斷定非常重要，特別微搬運腫瘤細胞群的發現，會極大影響患者的醫治計劃和預後。在實踐閱片中，原始病理切片的圖片尺度巨大，腫瘤細胞群的尺度卻非常細小。因而即便關於經驗豐富的病理醫師，閱片也是一項雜亂、耗時的使命，好像難如登天（如圖一所示）。
圖一
為了進步閱片功率，研討人員提出了許多深度學習算法來猜測腫瘤區域。但是，絕大部分算法只能將每張切片剪切成很多小尺度圖塊，再猜測單張圖塊是否為腫瘤區域。但僅憑單張圖塊而不知周邊區域的狀況，也影響了猜測精確度，由此發生的假陽性非常明顯。
近來，百度研討院提出一種全新的深度學習算法，一次性輸入一組3x3的圖塊，聯合猜測每張圖塊是否有腫瘤區域。該算法可通過一種名為“條件隨機場”的概率圖模型來模仿圖塊之間的空間聯繫，明顯提升了腫瘤區域猜測的精確度，算法猜測的腫瘤區域也愈加滑潤。比照之前的算法，“神經條件隨機場”算法除了實在腫瘤區域外，幾乎沒有引進任何其他假陽性區域。
圖二
在Camelyon16大賽的測驗集上，該算法獲得了高達0.8096的腫瘤定位FROC分數，不只明顯逾越了專業的病理醫師水平(0.7240)，也逾越了之前大賽的最好成果(0.8074)。一起，百度研討院也在Github上開源了整套算法代碼，以便其他研討人員在此基礎上進行更深化的研討，促進人工智能在醫學圖畫剖析範疇獲得愈加長足的開展。
關於進步病理切片檢測功率及精確性、促進癌症確診和醫治的開展，這種新的算法具有巨大潛力。它讓病理學家能更聚焦由算法傑出的腫瘤區域，而不用查找整個切片。當然，對算法的全面評估，也需求更大的數據集來做進一步臨床研討。
閱讀更多 不高冷的陳大田 的文章
