圖片來源: 

Google

Google近日公開了用深度學習分級前列腺癌風險的成果,透過建立一套模仿病理學家工作流程的深度學習系統,來改善評分前列腺癌的準確度和提升評分的客觀性,該系統整體的準確度目前為70%,而美國病理學家的平均準確度為61%,可用於輔助病理學家的診斷,Google也表示,該模型要用來改善前列腺癌病患的照護,還需要加入更多訓練資料,提升模型的準確度。

在美國,大約9個男性中,會有一名男性患有前列腺癌,前列腺癌為男性最常見的癌症,即使常見卻很難確認該採取切除或放射治療的風險,一般來說,臨床上最常用格利森評分(Gleason grade)來將前列腺癌風險分級,根據正常細胞癌變的程度來確定前列腺癌的分級,分數越高代表癌細胞的生長和擴散越快。

儘管格利森評分系統在臨床上被廣泛地認可,該評分系統是複雜且主觀的,根據一項研究指出,醫師對相同病歷的分歧度大約是30%~53%,除此之外,尤其在許多國家,並沒有足夠的受過專業訓練的病理學家,因此,Google認為透過深度學習技術,建立前列腺癌診斷和臨床管理的模型,將有助於改善現有的挑戰。

Google研究團隊建立了一套深度學習模型,將癌症細胞的每個區域對應到格利森評分模式,用癌症細胞與正常的前列腺組織接近的程度評分,分數越高代表癌症風險越高, 病患應接受治療。

為了開發出有效的深度學習系統,Google收集了去識別化的前列腺切除圖像,該樣本圖像包含大量且多元的前列腺癌,在訓練資料方面,有32名病理學家針對超過1億張圖像用格利森評分標準標註,為了克服分級的主觀性,驗證資料集的每個樣本都由3~5位病理學家獨立評分,再由泌尿科專科醫師給予該樣本真實數值(Ground Truth)。

此外,該深度學習系統還能夠找出組織型態的不同特徵,也就是同一個樣本包含2個格利森評分模式,這或許是導致病理學家分級不一致的原因,這項發現也意味著分級可再細分的可能性,也就是格利森分數能夠有中間的數值,像是3.3或是3.7,不過,這樣的分數在臨床上還沒有明顯的意義,可作為後續研究的方向。

熱門新聞

Advertisement