根据美国癌症学会（ASC）的统计数据，从1991年到2016年，美国癌症死亡率一直在以每年约1.5%的速度稳步下降，25年来总共下降了27%，这相当于因癌症死亡的人数减少了约260万人。
肺癌是生存率最低的癌症之一。尽管癌症患者的总生存率提高了，但肺癌患者的生存率几乎没有提高。目前仅有5%的肺癌患者生存期超过10年。
美国中佛罗里达大学（University ofCentral Florida）计算机视觉研究中心的研究人员们研发出了一个新的人工智能系统。它能够帮助医生检测潜在肺癌患者的小肿瘤，这些小肿瘤在传统检测方法中极难被发现。
医生在看病理切片时，需要眯眼盯着显微镜好几分钟“找不同”。有些肿瘤细胞长得特别相似，比如说同属非小细胞肺癌的肺腺癌（LUAD）和鳞状细胞癌（LUSC），虽然它们长得很像，但是在临床上治疗选择却大相径庭。
因此，这个人工智能系统也是将医生从重复乏味的劳动中脱离出来，并且也减少了人为失误造成的医疗事故。
这个系统是基于一种面部识别的算法
研究人员使用了1000多张来自美国国立卫生研究院的医疗图像，并将这些图像数据输入到他们开发的人工智能系统中进行训练。
在此过程中，每一张医疗图像都可以帮助这个系统完善其需要识别的肿瘤信息，如肿瘤的大小和形状等。
同时，这个系统也学会了如何区分良性和恶性肿瘤，和如何忽略医疗图像中呈现的其他组织、神经和肿块等因素。
测试的结果显示，经过训练的人工智能系统在医疗图像中发现小肿瘤的准确率约为95%，而人类放射科医生的准确率只有65%，这一结果大大超出了人类医生的水平。
计算机视觉研究中心的助理教授Ulas Bagci博士表示：“在美国，肺癌是头号癌症杀手，那些在晚期才得到诊断的肺癌患者存活率只有17%。如果我们能够找到更早诊断肺癌的方法，就可以帮助提高这种疾病的存活率。”
这个系统是AI图像识别应用在医疗的案例之一。纽约大学研究者们利用大量数字化病理切片图像重新训练了谷歌的深度学习算法Inception V3，AI识别癌组织和正常组织准确率达到99%，区分腺癌和鳞癌的准确率达到97%。
来自圣地亚哥海军医学中心（Naval Medical Center San Diego）和Google AI的研究人员开发出了一个新的AI系统，利用癌症检测算法来自主评估淋巴结活检，从而对转移性乳腺癌患者的诊断和治疗进行更好的决策。
这些几乎是100%准确度的识别均出自人工智能系统。由于癌症的种类繁多，靠一个系统解决所有癌细胞的识别工作在目前看来还不现实。在一系列的临床实验后，这些系统将在医疗机构纷纷亮相，正式面向市场。
更多精彩内容，关注望潮科技微信号（ID：tech_beat）