谷歌的人工智能技術DeepMind 在2016年的中國古代游戲“Go”中擊敗了世界冠軍，這是人工智能的一次重大勝利。現在，相同的技術有一個新的目標：改善乳腺癌篩查，這可能直接影響全球數百萬人。

這家總部位于倫敦的谷歌子公司表示，2007年至2018年間，日本東京的Jikei大學醫院接受了大約30，000名婦女的乳房X光檢查，它將使用這些數據來改進其人工智能乳腺癌檢測算法。

據不完全統計，僅2012年全球診斷出近170萬例乳腺癌病例，乳腺癌成為女性癌癥死亡的第五大常見原因。目前乳房X光檢查是一種廣泛用于早期乳腺癌的檢查手段。

但據調查研究表明，如今乳房X線圖像分析準確率較低，大約20％的乳房X線圖像存在假陰性，這意味著可能存在醫生或技術人員未發現的癌癥現象。同時，乳房X線圖像的假陽性也是一個重要問題。

在美國，連續10年中進行年度乳房X光檢查的女性，有超過50％會出現假陽性結果，從而導致了一系列不必要的檢查和化療。“而這些都可能給患者帶來壓力，并“給世界各地的醫療服務增加壓力和成本，”DeepMind健康部門的臨床負責人Dominic King說。

2017年11月，英國癌癥研究中心帝國中心宣布，由King和DeepMind Health領導的頂級AI研究人員和醫療保健專業人員組成的聯盟將負責使用Google的AI技術來改進乳房X線照片的閱讀和評估。

目前DeepMind Health正在開發機器學習算法，通過審查30，000張圖像，以及來自英國Optimam（從NHS提取的超過80，000次掃描的圖像數據庫）提供的磁共振成像（MRI）掃描和歷史乳房X線照片中的3，500張圖像，對其人工智能進行培訓，以調查其AI系統是否能夠準確地發現癌組織的跡象。雖然其他技術公司也正在研究解決乳房X線照片問題，但DeepMind的機器學習技術可以說是最先進的一個。

雖然大多數技術仍在處于實驗階段，但一些基于AI的癌癥工具已經在臨床環境中用于識別乳腺癌的危險因素。目前商業軟件中使用的深度學習算法已能夠準確地查看乳房X線照片并正確識別乳房密度異常部位，這是一項重大進步。

DeepMind Health的臨床負責人Dominic King在博客文章中指出，在其他國家的數據集上培訓DeepMind的AI系統將有助于減少可能出現的算法偏差。

“當在數據上訓練人工智能系統時，可能會出現偏差，而這些數據并不能準確反映出研究對象特征，這是一個嚴重的問題。”他說。“在乳房X光檢查領域，種族群體之間的乳房密度可能存在相當大的差異。因此，如果沒有建立模型技術來反映這些差異，人工智能系統中的偏差可能會導致乳腺癌的錯誤識別甚至錯過。”

在醫學圖像計算和計算機輔助干預會議上發表的一篇論文中，DeepMind的研究人員表示，他們開發并計劃部署一種能夠以“近乎人性化”的方式對CT掃描進行分割的人工智能系統，并預計將在明年的臨床環境中能幫組縮短診斷時間。

當DeepMind Health在乳房X光檢查領域取得一定技術成就的同時，外界也出現一些質疑的聲音。目前DeepMind Health的研究并未專注于專家所認為乳腺癌治療至關重要的兩個領域：一是確定哪些癌癥確實需要治療（盡管DeepMind代表說當前的研究可能會在應用中發揮作用）；一是當前的乳房X線圖像診斷無法捕捉間隔癌癥，即在篩查之間出現的快速發展且常致命的癌癥。

對此，DeepMind表示，該算法正在著重就間隔癌癥問題進行測試，并能在未來起應用性作用。

如果DeepMind Health 的AI系統在乳房X線圖像診斷領域上取得成功，它將可以幫助醫生大大減少閱片篩查所用時間，將診斷效率提高幾十倍，這將在美國乃至全球的乳腺癌診斷治療上發揮重大影響。