简体中文

熱門搜尋: 癌症AI科學數據

人工智慧未來可決定手術與否。但人類的想像力無法取代。

人工智慧未來可決定手術與否。但人類的想像力無法取代。Credit: gleonhard@flickr CC BY-SA 2.0

這幾年人工智慧(Artificial Intelligence, AI)的研究紛紛出線,不少前輩預言AI的應用將改變人類的生活模式。那麼在醫學上呢? 也是AI形式之一的機器學習(Machine Learning),宣稱可以訓練「機器」,對醫學影像做判斷,真有這回事嗎?

手術與否得判斷

以下的狀況,可能發生在你我週遭。患者進歷切除腫瘤的手術,術後才發現是不需要的手術。這些不需要的醫療行為,除了增加整體花費,也讓患者經歷手術過程的痛苦。這樣的經驗,不乏發生在乳房影像顯現高風險異常的婦女身上。這些患者因為影像顯現異常,醫師決定切片檢查,而後發現細胞雖異常,但非癌細胞。手術切除後,九成的腫瘤是良性的。這些都可以是不需要的手術? 像這樣從乳房影像到手術切除的過程,機器學習有辦法幫助判斷嗎?

機器學習

美國麻省總醫院及美國麻省理工學院(MIT)計算機科學與人工智慧實驗室(CSAIL)的研究人員,建基機器學習的架構,輸入患者的乳房醫學影像、生理檢查結果和切片報告,讓程式根據這些數據和過去的經驗去學習,進而下判斷,決定手術與否。這樣的方式,在醫師總是「傾向」手術解決問題之外, 提供另一個判斷方式。

這個機器學習模型的開發,包含超過1000筆疑似高風險乳癌的女性資料。其中96%的患者經歷手術切除腫瘤;其他4%未經手術治療,持續2年的影像追蹤。這1000筆資料中,2/3的資料用於機器學習模型的開發;1/3用於測試。結果顯示,用來測試的335筆資料,機器可以正確認出最後發展成癌細胞的38筆案例中的37筆,約97%的正確率。

有別於傳統程式開發

這個過程稱為深度學習(Deep Learning),也是機器學習的一支。機器利用我們提供給它的數據,建立運算法則,預測腫瘤風險以決定是否需要切除。這種方式有別於傳統的程式設計,開發人員不提供程式判斷公式,而是讓程式分析我們提供給它的數據,繼而分辨出數據的不同,進而建立判斷法則。

加入臨床資料

這樣聽起來,有用的數據越多,深度學習,建立影像判斷法則是不是越強大呢? 除了上面提到的乳房醫學影像、個人資料、生理報告和組織切片結果,未來,研究人員更希望可以也納入臨床資料,來建立這個判斷手術與否的機器學習模型。

文章參考:Massachusetts General Hospital ; HealthDay
圖片來源:gleonhard@flickr  CC BY-SA 2.0


作者簡介

BioMeder

生醫人網摘的編輯。熱愛創新和用腦袋的事物,堅持文章一定要有邏輯性,藉由追蹤報導生醫領域的創新和應用來傳播知識。