人工智能助力癌細胞活體檢測

　　隨著人工智能技術的快速崛起，基于人工智能的癌癥篩選也獲得了長足的進步。科學家們利用人工智能技術，可以高效區分出普通的健康細胞和癌變的細胞，其準確率不亞于一個專業訓練的病原學專家。

　　在過去的近一白年間，研究人員和醫生們檢測人體病原體的方法并沒有太大的變化。通過獲取樣品，在顯微鏡下進行鏡檢，需要在成千上萬的細胞中，找到那么幾個被感染的細胞或者癌變的細胞，或者直接發現視野中的病原體。這個過程需要大量的體力勞動和機械性的工作，同時，檢測的精度和準確率也并不理想。然而，現在情況開始出現了變化。

　　今年四月份，在捷克首都布拉格舉行的國際生物醫學成像國際研討會上，一組來自哈佛大學的科學家們，展示了他們最新的研究成果。該研討會組織了一次利用計算機模型來進行病理檢測的競賽。組織者們選擇的病理活體組織檢測基于前哨淋巴結活檢。哈佛大學組的基于機器學習模型的分辨方法，可以在人類乳腺癌細胞組織中，成功區分開正常的組織細胞和乳腺癌細胞，其分辨的成功率達到了驚人的92%，遠超出其他的機器學習模型。然而人類依然有著天然的優勢。病原學專家進行活體組織檢測，可以區分開正常組織細胞和癌細胞，其準確率則高達96%。在該研討會上，來自哈佛大學的研究人員還展示了機器學習的人工智能模型與人類專家的協作，在組織細胞活體檢測上面能夠有99.5%的準確率。

　　機器學習模型已經在各個方面得到了應用，生物醫學領域也逐漸有更多的“會學習的機器”參與。今年四月的這次國際生物醫學成像國際研討會就旨在促進研究者們更多地關注人工智能在生物醫學領域的應用。雖然目前來說，人工智能模型對于癌細胞的檢測沒有能夠到達100%，但是其效率驚人，如果能夠和人類配合，檢測的精度和速度將會比傳統方法提高很多，或許機器終將逐步取代人類。但是，哈佛大學的Andrew Beck博士指出，雖然機器學習和深度學習技術會讓人的工作越來越少，但是傳染病學專家和病理學專家仍有用武之地，因為機器學習模型需要人類的幫忙來完成學習過程。