仍然以来，许多肿瘤的分类临床一定要倚赖专业病理学家在显微镜下耗时仔细观察来已完成，而今日，一项融合训练机器学习的重大突破，让这项最重要工作能延长至数秒内已完成。近期公开发表于《NatureMedicine》期刊的一项近期研究，美国纽约大学研究团队新的训练现成的Google深度自学算法，识别两种最少见的肺癌类型──肺腺癌和鳞状细胞癌，识别准确度平均97％。团队用于的这项人工智能科技，与上载至Google在线服务的图片库以识别图片中的面孔、动物和物体技术完全相同，过去Google这项科技也曾应用于在疾病诊断，还包括糖尿病引起之失聪和心脏疾病。而这次，纽约大学的神经网络研发出有一项病理学家未曾尝试过的临床分析方式──藉由肿瘤影像照片识别基因突变。

Tsirigos团队利用GoogleInceptionv3──Google训练识别一千种有所不同种类物体的开源算法。为了训练这个算法区分出有恶性和身体健康的的组织图像，研究团队利用病患的组织检体公共数据库成千上万的癌症基因体图谱影像。

首先，团队顺利训练Inception超过99％准确度识别恶性细胞的能力，接下来，再行训练Inception识别肺腺癌和鳞状细胞癌这两种有所不同类型的肺癌。接着，团队用于有所不同数据库检体资料来检测Inception的分析能力，虽然结果显示准确度上升一些，但仍然能准确临床影像（准确度介于83％～97％）。

本文来源：亚搏app-www.feiyuo.com