公布的监测工具辅助乳腺癌诊断的最新成果

　　在全球范围内，过去至少有50万人死于乳腺癌，其中90是转移性肿瘤。今年10月，谷歌发布了名为LYNA的监测工具人工智能辅助乳腺癌诊断的最新结果。
　　LYNA能准确区分转移性癌与无转移性癌幻灯片，准确率达99，平均诊断时间缩短一半。
　　人工智能辅助技术（如LYNA）的诞生无疑是人类医学史上的又一次突破。深入学习减轻了病理学家重复认识的负担。医护人员将极大地提高使用算法的效率来辅助他们的工作。同时，可以保证患者的诊断结果，这比采用单一的检测方法要好。
　　事实上，在2015年Alphabet成为Google的母公司后，人工智能几乎成为每个部门的战略核心，对人类社会最重要的贡献之一就是医学人工智能。
　　在中国，AI医药也成为了一个热门领域，从腾讯、百度等顶级玩家的全面投资到初创企业的热潮，如何区分真假呢谷歌所做的可以作为参考。
　　2016年初，Google的子公司DeepMind成立了卫生部，并在五年内正式宣布将人工智能引入医学领域。重新回到外面的世界。
　　经过两年多的技术尝试和多次示范，GoogleAI医疗取得了巨大成就，DeepMindHealth也与GoogleAI医疗紧密相连，在DeepMind的帮助下，Google在防治方面取得了许多突破和成就。癌症、糖尿病、心血管疾病等疾病。
　　11月中旬，GoogleHealth卷土重来，DeepMindHealth部门被包括在内，不再作为DeepMind的独立品牌运营。据报道，美国顶级医疗保健提供商Geisinger的前CEO大卫范伯格（DavidFeinberg）负责新的Goog。卫生部，它是重组和未来的一切。
　　GoogleHealth始于2008年，被Google定义为在线健康信息平台，当时GoogleHealth的发展方向主要是延缓衰老、大数据分析、电子病历系统等领域。
　　然而，GoogleHealth在2012年被正式放弃，因为该平台的影响力不足，用户数量少。2015年，GoogleHealth出现在《每日电讯报》上，被称作Google历史上18大失败之一。
　　2010年，总部设在英国伦敦的人工智能公司DeepMind成立。作为一家初创企业的淘金者，谷歌注意到了公司的潜在实力，并在2014年以4亿美元完成了对DeepMind的收购。
　　谷歌旗下的DeepMind正在崛起。两年后，独立开发的人工智能程序AlphaGo向世界证明了人工智能的强大力量，粉碎了许多世界顶尖的围棋玩家。
　　在被崇拜之后，DeepMind继续关注AI作为Google的子公司。作为GoogleAI的领导者，DeepMind的合并极大地增强了Google对人工智能的信心和实力。面对AI的无限可能性，Google打算重新启动它长期休眠的医疗系统。企业在适当的时候卷土重来。
　　2016，深心灵健康应运而生。它主要负责发现人工智能在卫生保健领域的应用，并在数据和隐私最严格的欧洲启动项目。
　　根据Google目前的做法，通常由Google人工智能团队（GoogleBrain）研究人工智能算法。除了明星公司DeepMind之外，Google还有两个子公司，分别在2013年和2015年分别是Calico和Verly，它们在医疗业务中发挥作用。
　　今年6月，英国医学期刊《柳叶刀》发表了华盛顿大学健康指标和评估研究所出版的《全球健康质量清单》。报告发现，发展中国家与发达国家的差距仍然明显，各国医疗资源配置比例失衡。
　　另一方面，近年来，全球科技巨头和国内外初创企业纷纷加入人工智能的行列。在去年的达沃斯论坛上，以深入学习技术为代表的医学人工智能（MedicalArti。Intelligence，AI）被评为世界十大新兴技术。随着越来越多的高科技企业参与AI药物的应用研究，通过技术促进和加速产业转型已成为公认的产业价值和商机。
　　AI医疗的结构定义可分为基础层、技术层和应用层，基础层覆盖各种数据的积累和通信，技术层利用语音和图像记录对非结构化数据进行分析和总结。启动技术，通过深入的机器学习实现监控和诊断能力；应用层通过结合医疗行业的各种场景来辅助或直接解决实际需求，例如，仅使用语音和图像识别技术。可以诊断、药物研发、智能健康管理等。
　　根据美国2017年的一项调查，超过一半的医院计划在未来五年内引入人工智能，35的医院希望在两年内实现这一目标。因此，AIMedical将成为医疗行业的主题。在欠发达国家和地区，这个消息无疑重新燃起了生活的希望。也许在不久的将来，他们将有机会享受世界级的医疗资源。
　　可以预见，医学界正试图通过深入的机器学习实现跨越式发展。在这个过程中，机器不仅承担了部分医生的重复性工作，而且使诊断和治疗过程更加规范和准确。
　　在2016年8月，Google首次展示了AI自己的头颈部癌症治疗方案的结果。DeepMindHealth通过与国家卫生服务（NHS）的深入合作分析了700名癌症前患者。一种自动执行部分治疗以减少医生治疗头颈癌的时间的算法。
　　据了解，整个治疗计划医生需要花费大约4个小时，用人工智能代替后将减少到1个小时。这一成就的意义在于帮助医务人员节省大量时间，更好地投资于病人护理、医学教育和研究。帽子，从案例分析获得的数据也可以用来研究身体的其他部分。
　　如果上述方案不够令人兴奋，那么Google将机器学习技术应用于糖尿病视网膜病变的诊断（称为糖网病）对于中长期糖尿病患者绝对是个好消息。分析眼部扫描图像以诊断糖尿病视网膜病变的技术，帮助患者避免失明的风险。
　　截至2014，世界糖尿病患者超过4亿2000万。虽然这一数字逐年下降，但不可低估，尤其是长期糖尿病患者，他们面临着糖网病致盲的风险。
　　医学影像学是一个很有前途的子领域，Google医学影像团队已经成功应用了深度学习来提高医学影像辅助诊断的准确性，除了用于糖网病的检测外，还有许多成功的案例。
　　Google的研究人员说，研究小组使用了注意力机制来解释算法是如何预测的。该机制通过相关技术自动生成温度图，显示哪些像素对于预测特定的心血管风险因素最为重要，并给予更多的关注。通过阐明算法机理，该方案是可信的。
　　传统上，医学发现通常是通过复杂的猜测和检验来完成的。首先观察，然后给出假设，最后根据设计和操作实验来检验假设，以验证假设是否正确和合理。真实图像中的各种特征、图案、颜色、数值和形状，很难对医学图像中的关联进行观察和量化。
　　显然，当人类做坏事时，机器可以发挥极好的作用。Google团队说，它们使用深入的学习来绘制人体解剖学与疾病之间的联系图，类似于医生将症状和体征联系起来诊断新疾病，这极大地帮助了医学的复发。RCHER产生更具针对性的假设，并推动更广泛的未来研究。
　　除了深入学习的积累，Google还尝试在医学领域使用增强现实（AR），创建一个可以在医学界发挥重大作用的产品用于癌症检测的增强现实显微镜（ARM）。
　　这种改进的光学显微镜可以直接显示医学专业人员视觉领域中的实时图像分析和机器学习算法的结果，用户可以通过ARM上的目镜观看样本，机器学习算法的输出被投影到用户实时的光路，然后叠加在样本图像上，以帮助观看者在幻灯片上定位或量化感兴趣的特征。
　　应该补充的是，ARM平台的计算组件和深入学习模型允许操作一系列预先训练的模型，并且可以直接适用于世界各地的所有医院和诊所的光学显微镜。它们使用成本低，使用方便，不需要分析整个组织的所有数字版本。
　　尽管显微镜目前处于原型阶段，谷歌相信它可以帮助世界各地的病理学家加速采用深入的学习工具，并有可能对全球卫生行业产生重大影响。
　　目前，使用机器学习来预测发展是非常普遍的。Google将同类型的机器学习应用于临床预测。它使用深入学习来分析电子病历并预测患者的发展。这个计算机系统以可伸缩的方式预测，而无需为每个预测任务手动创建新的数据集。
　　经过反复试验，该模型在预测精度方面有很好的效果。从评分来看，新方法的准确性优于传统模型，改进效果显著。Google使用这些模型来确定患者接受的治疗。患者发出的信号，以及临床医生写的治疗计划和说明。因此，AI在这个阶段不会取代主治医生的角色。
　　尽管已经有许多成功的AI辅助诊断和治疗案例，但不可否认的是，Google仍然有许多问题需要解决。
　　例如，眼底图像的解释只是糖网病诊断的众多环节之一，其他步骤也是必不可少的。糖尿病视网膜病变及其他眼病的诊断
　　在心血管疾病方面，Google还有很多工作要做。数据集包含许多变量，如吸烟、收缩压、年龄、性别等，但是只有几百个病例有精确标记的心血管疾病数据。整个团队都在寻找开发和测试一个更大更完整的数据集的算法。
　　深入学习技术在检测转移性乳腺癌方面的研究也有许多局限性，如有限的数据库、模拟诊断工作流程、用于单独检查每个患者的单个淋巴结而不是用于检查多个淋巴结的病理幻灯片等。此外，GoogleAI医疗团队需要进一步评估LYNA对实际临床工作流程和治疗结果的影响。
　　然而，对电子病历的深入学习分析的研究成果仅仅在今年5月才发表，还处于起步阶段，坦率地说，Google还有很多工作要做，以证明机器学习可以改善医疗保健的假设。
　　如果这些机器学习模型应用于医疗机构，能帮助医务人员处理繁琐的管理任务，使他们更加关注有需要的病人，帮助病人获得高质量的护理，彻底解决医疗服务分配不均的问题。皮托有了这些问题和疑虑，Google希望与越来越多的医疗机构和患者合作，找出这些问题的答案。
　　在过去的几年里，Google一直使用人工智能核心研究资源来促进对社会发展具有积极影响的项目。今天，AI促进社会福利项目致力于将人工智能应用于各种问题的解决方案，与各种组织携手寻找嗅觉。
　　作为社会公益人工智能项目的一部分，Google还发起了GoogleAI影响挑战，呼吁来自世界各地的非营利组织、学者和社会企业提出可以通过人工智能解决的重大社会、人道主义和环境问题。问题与对策。