在检测肺癌这件事上，Google AI医生还不错

　　

Google AI的研究人员近日开发出一种可预测肺部恶性肿瘤的深度学习模型。这是一种经肺癌CT扫描训练的神经网络，其表现相当于甚至优于经验丰富的放射科医生。

这篇题为“End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography”的文章于周一发表在《Nature Medicine》杂志上。

斯克里普斯转化研究所的所长Eric Topol认为：“之前的CT肺癌筛查一直有着非常高的假阳性率和假阴性率，这种深度的神经网络评估代表了肺癌筛查的一大进步。这些算法还需要前瞻性的临床验证，但肯定是大有希望的。”

肺癌是对人类健康和生命威胁最大的癌症之一。自2013年以来，专家建议对高危人群进行低剂量的计算机断层扫描筛查。放射科医生会根据结节大小、密度和生长对图像进行解释。不过，Google的产品经理Lily Peng表示：“超过80%的肺癌病例都没有在早期发现。”

同时，这篇论文的资深作者、Google高级软件工程师Shravya Shetty表示：“肺癌的检测仍存在一些挑战，包括假阳性率和假阴性率很高，分期之间存在差异，以及实施广泛的筛查计划仍有困难。”

在这项研究中，研究人员利用42,290幅肺癌患者的CT扫描图像对这个神经网络模型进行训练。他们首先开发出一种三维卷积神经网络（CNN）模型，对整个CT图像进行端对端的分析。然后，他们再专注于感兴趣的区域。该模型预测了6,716个病例中的结节，准确率达到94%。

之后，他们又开展了两项研究，将该模型的表现与放射科医生进行比较。六名放射科医生参与了对比，他们平均拥有八年的临床经验。在未提供先前的CT扫描图像时，该模型的表现优于全部六名医生，假阳性率减少11%，假阴性率减少5%。在提供先前的CT扫描图像后，该模型的表现与医生相当。

值得一提的是，Google的AI工具能够在癌症早期作出诊断。对于一个病例，它检测出癌症的时间比CT扫描足足早了一年。“对于这样的患者，早期检测可以让存活率提高40%，”Peng说道。

Shetty表示，这是一项很困难的任务。“我们正试图对近一年内确认癌症结果的患者进行直接预测，这些CT扫描图像是较大的3D图像，有时癌变区域很小，难以检测。”尽管他们使用了较大的CT数据集来训练，但只有500例癌症阳性病例。

作者指出，这是一项前景广阔的工作，但目前仍处于研究阶段。这些研究结果需要在大量患者的群体中进行临床验证。Shetty指出，接下来的工作包括开展研究，以确保该模型继续推广到新的背景和群体。（生物通 薄荷）

原文检索

End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography

Nature Medicine (2019)