留言討論


分享本文至 E-mail 信箱

醫荒問題有譜?Google 深度學習辨識癌細胞!

一年 365 天,醫院總是排滿前來看病的人潮,台灣醫院的日常生活,相信大家都很熟悉。有時候,甚至還要提早好幾個月預約,才有機會跟醫生見到一面。

世界各地情況不盡相同,但可以確定的是,大家都面臨醫生供不應求的現象。8 月 8 日的 Google 媒體聚會,揭露使用 AI 深度學習,運用在醫療領域的相關成果。

深度學習屬於機器學習的一種,它過去是神經網路演算法,經過蘊藏大規模的新數學運算,層層疊加成為了今天強大的樣貌。在聊到醫療運用之前,我們先來了解一下過去人們在圖像識別上,曾做過的努力吧!

Google 於過去一年和加州大學舊金山分校醫學院、史丹佛大學醫學院、芝加哥大學醫學院等世界一流的醫療研究人員合作,研究將機器學習技術與臨床專業知識結合。圖中投影螢幕上為主講者:Google 研究團隊産品經理、醫學博士彭浩怡(Lily Peng)。

90 年代的技術稱為「特徵工程」(feature engineering 或是 hand-crafting features)。這項分類的實作方式如下圖,要分類熊貓,就需要研究員先把熊貓特徵逐項標籤,做粗淺分類,費時且成效不高。

現在的深度神經網路,則會針對圖像進行優化、透過網路來處理特徵工程,大大提升效率,讓研究員能夠將寶貴的時間,用在資料準備、模型架構、數據優化,不再需要再為圖像進行分析而耗費大量時間。深度學習也在世界知名的 ImageNet 圖像標籤挑戰,在 2015 年表現更超越人類。

早期的圖像識別,與現在的深度神經網路比較。

Google 研究團隊産品經理、醫學博士彭浩怡(Lily Peng)今天分享的兩個案例都是由「 Google 20% 」專案衍生出來的研究,立基於 Google 開源系統 TensorFlow 而衍生出的演算法。因為她也是執業醫生,接觸其他醫療團隊進行合作。

第一項專案是關於造成全球失明人數攀升的主因:糖尿病視網膜病變(Diabetic Retinopathy, DR)。檢測糖尿病眼疾的常見作法就是檢查眼底圖像,對疾病的嚴重程度進行評估。如在印度因缺近 12.7 萬名眼科醫生,使得近 45% 的患者失明。

Google 與美國和印度眼科醫院合作,建立 13 萬張圖像資料庫,讓神經網路演算法辨識了約一萬兩千張成像,再將診斷結果與醫師判斷結果相互對照,驗證診斷的靈敏度。最終實驗結果顯示 Google的演算法表現與 54 名專業眼科醫生的結果非常相符。演算法 的 F-Score 值(0.95 分),甚至稍微高於眼科醫生的 F-Score 中位數 0.91 分。

第二個介紹的案例: Google 導入深度學習,打造協助病理學家提升工作流程的自動檢測演算法,幫助改善檢測淋巴結中的乳腺癌轉移瘤的病理切片,期望判斷誤診情況。

其 Google 現成的深度學習方法如 Inception(又名 GoogLeNet),對提高時間效率與診斷一致性的結果相當好,演算法的定位分數(FROC)達到 89%,大幅超越了病理學家對腫瘤定位的正確率 73%。

A 圖為切片圖像;B 圖為標準真值顯示腫瘤位置;C 圖是早期模型分析結果,但正常部位也可能被標示,不夠準確;而 D 圖是現在已經過調整的模型,會準確找到癌細胞。

這些例子都是屬於前景看好的應用方式。但經歷臨床驗證是非常重要的步驟,需在自然環境下使用這些技術,另一項挑戰則是獲得醫療團隊信任,再往工作流程與使用者介面設計努力,同時在流程上不阻礙醫生的工作。此外,下一步還需要更多合作夥伴,如改善影像品質和拍攝相機的科技,希望醫學資訊標準化。

活動也請來 Google 台灣董事總經理簡立峰,分享在深度學習圖像辨識上能做的努力。因為台灣的糖尿病患者約有 190 萬人(似乎東亞人在這種病變有特別嚴重的趨勢),所以在某種程度來說,台灣也具備可受機器學習訓練的醫療資料量。

隨著 AI 工具越來越普及,跨領域合作越來越熱絡,生醫領域專家和工程師的合作機會更多,醫療影像和健康照護的發展都很值得投入。若在發展過程中受到現存法規限制,醫院中心的內部體系不妨先行研究,是個可以嘗試的方向,以及智慧型輔具、自動化替代人力,機器學習也可以開發龐大的內需市場。

Google 台灣董事總經理簡立峰的致詞中提到,隨著 AI 工具越來越普及,跨領域合作越來越熱絡,不管是生醫領域專家和工程師互相幫忙的機會都更多。

2017 新時代科青培力營 火熱報名中!

講不聽的 LINE 流言雨後春筍、似是而非的新聞不曾斷絕、斷章取義的謠言歷久彌新、資料查證還是被束之高閣--如果你對以上現況感到焦慮,總想要做些什麼?那麼,你就是我們正在尋找的「新時代科青」

超扎實的第二屆科青培力營,就在 8/12-13 台北國立科學教育館,由 PanSci 泛科學團隊聯手新聞解剖室、科學傳播學會以及國立臺灣科學教育館,集結中正大學黃俊儒老師、中山大學顏聖紘老師、中原大學許經夌老師、臺灣大學陳竹亭老師、泛科學總編輯鄭國威及影音團隊等各路好手。從觀念養成到科學寫作、影像腳本設計、互動遊戲設計,大師分享科學思維加上實戰傳播技巧體驗!

全面升級你的科青力!現在就報名科青培力營

關於作者


PanX 泛科技

PanX 泛科技新聞網從科技議題著手,企圖把未來更清楚地描繪出來。從能源議題、金融科技、生物科技,到物聯網、大數據、工業4.0、自造者,都是我們專注的內容。若有任何見解歡迎向我們聯絡或投稿:contact [at]panx.asia

留言討論