根據美國癌症學會（ASC）的統計數據，從1991年到2016年，美國癌症死亡率一直在以每年約1.5%的速度穩步下降，25年來總共下降了27%，這相當於因癌症死亡的人數減少了約260萬人。
肺癌是生存率最低的癌症之一。儘管癌症患者的總生存率提高了，但肺癌患者的生存率幾乎沒有提高。目前僅有5%的肺癌患者生存期超過10年。
美國中佛羅里達大學（University ofCentral Florida）計算機視覺研究中心的研究人員們研發出了一個新的人工智能系統。它能夠幫助醫生檢測潛在肺癌患者的小腫瘤，這些小腫瘤在傳統檢測方法中極難被發現。
醫生在看病理切片時，需要眯眼盯著顯微鏡好幾分鐘“找不同”。有些腫瘤細胞長得特別相似，比如說同屬非小細胞肺癌的肺腺癌（LUAD）和鱗狀細胞癌（LUSC），雖然它們長得很像，但是在臨床上治療選擇卻大相徑庭。
因此，這個人工智能系統也是將醫生從重複乏味的勞動中脫離出來，並且也減少了人為失誤造成的醫療事故。
這個系統是基於一種面部識別的算法，簡單來說，就是在病人的醫療圖像中，與小腫瘤的形狀進行匹配，從而識別。
研究人員使用了1000多張來自美國國立衛生研究院的醫療圖像，並將這些圖像數據輸入到他們開發的人工智能系統中進行訓練。
在此過程中，每一張醫療圖像都可以幫助這個系統完善其需要識別的腫瘤信息，如腫瘤的大小和形狀等。
同時，這個系統也學會了如何區分良性和惡性腫瘤，和如何忽略醫療圖像中呈現的其他組織、神經和腫塊等因素。
測試的結果顯示，經過訓練的人工智能系統在醫療圖像中發現小腫瘤的準確率約為95%，而人類放射科醫生的準確率只有65%，這一結果大大超出了人類醫生的水平。
計算機視覺研究中心的助理教授Ulas Bagci博士表示：“在美國，肺癌是頭號癌症殺手，那些在晚期才得到診斷的肺癌患者存活率只有17%。如果我們能夠找到更早診斷肺癌的方法，就可以幫助提高這種疾病的存活率。”
這個系統是AI圖像識別應用在醫療的案例之一。紐約大學研究者們利用大量數字化病理切片圖像重新訓練了谷歌的深度學習算法Inception V3，AI識別癌組織和正常組織準確率達到99%，區分腺癌和鱗癌的準確率達到97%。
來自聖地亞哥海軍醫學中心（Naval Medical Center San Diego）和Google AI的研究人員開發出了一個新的AI系統，利用癌症檢測算法來自主評估淋巴結活檢，從而對轉移性乳腺癌患者的診斷和治療進行更好的決策。在測試中，這個系統實現了99%的檢測準確度。
這些幾乎是100%準確度的識別均出自人工智能系統。由於癌症的種類繁多，靠一個系統解決所有癌細胞的識別工作在目前看來還不現實。在一系列的臨床實驗後，這些系統將在醫療機構紛紛亮相，正式面向市場。
更多精彩內容，關注望潮科技微信號（ID：tech_beat）
閱讀更多 望潮科技 的文章
