Google以深度學(xué)習協(xié)助檢測胸腺癌轉移 錯誤率降2倍

　　10月17日下午消息，據中國臺灣地區媒體報道，Google提出了一套基于LYNA(LYmph Node Assistant)的診斷方法，透過(guò)LYNA演算法，病理學(xué)家將可以更容易的檢測出，胸腺癌細胞在淋巴結上的微轉移，不只讓幻燈片檢驗時(shí)間減半，還讓錯誤率下降兩倍。但Google提到，雖然研究已經(jīng)有初步的成果，但是要到實(shí)際應用還有一段很長(cháng)的路要走。

　　以顯微鏡檢查病患的腫瘤，被視為癌癥診斷的黃金標準，而且對預測以及治療決策有決定性的影響，淋巴結轉移與大多數的癌癥相關(guān)，同時(shí)也是廣泛被采用的TNM癌癥分期重要的參考指標。對于診斷乳腺癌更是特別重要，淋巴結轉移會(huì )影響后續放射治療、化療或是手術(shù)切除額外淋巴結的治療決策，因此淋巴結轉移的識別準確度和即時(shí)性對于臨床治療有顯著(zhù)的影響。

　　但要檢測癌細胞從原發(fā)部位轉移到附近淋巴結并非容易的事，研究顯示，大約有四分之一的淋巴結轉移診斷結果，會(huì )在第二次病理檢查時(shí)改變，而在有限時(shí)間進(jìn)行評估時(shí)，單張病理幻燈片上的小型轉移檢測精準度可能只有38%。在2016年，Google以深度學(xué)習強化了LYNA診斷準確性，但Google提到，光靠演算法并不足以改變病理學(xué)家的工作流程，或是改善乳腺癌患者的治療。

　　Google在今年，于兩篇論文提出了基于LYNA的概念性驗證病理學(xué)家輔助工具，并研究其中的影響因素。Google對圣地亞哥海軍醫療中心提供的去識別病理幻燈片獨立資料集上使用獨家演算法，由于這個(gè)資料集是不同實(shí)驗室以不同程序采集的病理樣本組成，改善了常規臨床實(shí)踐上幻燈片的多樣性，LYNA被證明能強健的處理影像的易變性以及組織假影(Histological Artifacts)。

　　LYNA不需要進(jìn)一步發(fā)展，就能對兩類(lèi)資料集都有類(lèi)似的效能表現。在兩個(gè)資料集中，LYNA能夠以99%精準度，區分有轉移性癌癥和沒(méi)有癌癥的幻燈片，而且LYNA還能精確的標出每張幻燈片中，組織可能有癌癥的區域，甚至可以找出病理學(xué)家無(wú)法找到的一些微小細節。

　　第二篇論文則是找來(lái)病理學(xué)家進(jìn)行模擬診斷，實(shí)驗在有LYNA和沒(méi)有LYNA幫助下，檢查轉移性乳腺癌淋巴結的工作。由于檢測微小轉移是非常費力的工作，而在有LYNA的協(xié)助下，病理學(xué)家在主觀(guān)上認為工作變得更加容易，并且每張幻燈片的檢驗時(shí)間從2分鐘縮短至1分鐘，檢查所花費的時(shí)間減半，而且微轉移判斷出錯率降低2倍。這代表LYNA輔助技術(shù)能減輕重復識別工作的負擔，并減少病理學(xué)家付出的時(shí)間和精力，能專(zhuān)注于其他更具挑戰性的臨床和診斷任務(wù)上。

　　透過(guò)這些研究，Google證明LYNA演算法，能對乳腺癌TNM分期提供穩定可參考的證據，不過(guò)，Google卻表示，這些研究成果雖然值得高興，但是距離要實(shí)際用于幫助醫生和病患，還有很長(cháng)的路要走，因為這些研究具有局限性，像是有限的資料集和診斷工作流程進(jìn)行，目前僅能用于檢測單個(gè)淋巴結幻燈片，而非臨床上需對多個(gè)幻燈片進(jìn)行判斷，對于進(jìn)一步使用LYNA作為真實(shí)臨床案例，還需要審慎的評估設計。