谷歌正在开发一种利用人工智能帮助医生诊断乳腺癌的工具。
这款名为淋巴结助手（LYmph Node Assistant，简称 LYNA）的工具，未来或可为病理学家提供类似“拼写检查”的功能。病理学家负责通过癌症患者的细胞图像进行诊断。
为训练这一算法，谷歌使用了一份去标识化的数据集该数据集基于荷兰医疗中心提供的乳腺癌患者淋巴结扫描图像。
从淋巴结中取出的组织可用于检测患者的乳腺癌是否已扩散到乳房以外。病理学家随后会检查乳腺癌患者淋巴结的组织样本，以了解该患者肿瘤扩散的程度，以及癌症可能具有多强的侵袭性。
周五，谷歌发布了两篇论文，分别刊登于《病理学与实验室医学档案》和《美国外科病理学杂志》。第一篇论文旨在证明，该算法能够从提供给它的组织图像中识别癌细胞。除了分析来自荷兰的切片图像外，算法还需要分析另一家实验室提供的108张切片图像。
第二篇论文比较了算法与病理学家合作时及独立工作时的表现，发现病理学家与算法协同工作十分重要。两篇论文都发现，该算法有99%的概率能够识别出哪些切片含有转移性癌症、哪些没有。
可以把它想象成电脑上的拼写检查功能。你可能会漏看一个字母顺序错乱或漏了“e”的单词，但算法能发现这类错误。反过来，如果你把一个单词重复输入了两遍，算法可能就不那么容易发现这个错误。
有意思的是，研究人员发现，使用该工具的病理学家在图像中识别癌细胞时，表现优于未使用该工具的病理学家，也优于单独使用该工具的情况。
以下是病理学家使用的工具界面。
谷歌人工智能团队成员、论文作者之一刘云（Yun Liu）告诉《商业内幕》：“这证明了人们与人工智能算法协作，效果可以远胜于任何一方单独工作。”
这并非谷歌母公司 Alphabet 首次将人工智能应用于医疗保健领域。该公司旗下的DeepMind是一家人工智能公司，一直在通过分析患者眼部图像来识别疾病。
谷歌本身也一直在开发一种用于诊断糖尿病视网膜病变的算法。这是一种见于糖尿病患者的眼部疾病。
接下来，团队需要在临床环境中检验该算法的表现，也就是向算法输入乳腺癌患者淋巴结的新扫描图像。如果进展顺利，这项技术未来或可成为医生了解患者乳腺癌诊断结果时所用流程的一部分。
