Salesforce声称其AI可以准确识别92％的乳腺癌迹象

Salesforce今天拉开了ReceptorNet的帷幕，ReceptorNet是该公司的机器学习系统研究人员，与南加州大学南加州大学劳伦斯·埃里森转化医学研究所的临床医生合作开发。该系统在为乳腺癌患者决定合适的治疗方案时，可以确定肿瘤学家的关键生物标志物。《自然通讯》杂志发表的一项研究显示，该系统的准确率达到了92％。

乳腺癌每年影响超过200万名女性，在美国，大约八分之一的女性在其一生中都会患上这种疾病。仅在美国，仅在2018年，就有2550例男性乳腺癌新病例。乳腺癌的发病率在全世界几乎每个地区都在增加。

为了解决这个问题，Salesforce研究人员开发了一种算法-前面提到的ReceptorNet-可以从便宜且普遍存在的组织图像中预测激素受体状态。通常，对在活检或手术过程中提取的乳腺癌细胞进行测试，以查看它们是否含有充当雌激素或孕激素受体的蛋白质。 （当雌激素和孕激素与这些受体结合时，它们会促进癌症的发展。）但是，这类活检图像的使用范围较广，需要病理学家进行检查。

与临床医生偏爱的免疫组织化学过程需要显微镜并且往往昂贵且在世界上某些地方不易使用的方法相反，ReceptorNet通过苏木精和曙红（H＆amp; E）染色确定激素受体的状态，并考虑了细胞的形状，大小和结构。 Salesforce的研究人员在来自全球数十家医院的数千名H＆amp; E图像幻灯片上对该系统进行了培训。

研究表明，用于训练疾病诊断算法的许多数据可能会使不平等长期存在。最近，一个英国科学家团队发现，几乎所有的眼疾数据集都来自北美，欧洲和中国的患者，这意味着眼疾诊断算法不太适用于代表性不足国家的种族群体。在另一项研究中，斯坦福大学的研究人员从加利福尼亚，纽约和马萨诸塞州确定了涉及AI医学用途的美国大部分研究数据。

但是Salesforce表示，当分析ReceptorNet沿年龄，种族和地理向量的偏向迹象时，发现其性能在静态上没有差异。他们还说，无论所分析的组织样本制备有何差异，它都能提供准确的预测。

Salesforce相信，如ReceptorNet这样的系统，如果在临床上进行部署，则可以帮助降低护理成本和开始乳腺癌治疗所需的时间，同时提高准确性并为患者提供更好的健康结果。在短期内，ReceptorNet为比较有无此类AI的病理学家的临床工作流程奠定了未来研究的基础，这可能有助于更好地揭示其潜力。

除Salesforce之外，许多技术巨头都投资了AI，并因此而受到批评，它在表面上可以像肿瘤学家一样可靠地诊断癌症。 早在今年1月，Google的分支机构Google Health专注于与健康相关的研究，临床工具以及医疗保健服务合作伙伴关系，发布了经过90,000例X射线X射线训练的AI模型，该公司表示，该模型取得了比人类放射线医师更好的结果 。 Google声称该算法比以前的工作可以识别出更多的假阴性-看起来正常但含有乳腺癌的图像，但是一些临床医生，数据科学家和工程师对此说法表示怀疑。 共同作者在一次反驳中说，谷歌研究缺乏详细的方法和代码，“破坏了它的科学价值。”