Google AI醫療應用 降低失明風險

Google 5日請到Google AI產品經理Daniel Tse分享Google如何將人工智慧技術與醫療應用結合。Google表示，未來可望進軍台灣醫療。

Daniel說，人工智慧 （AI）以及機器學習 （Machine Learning） 人工智慧是能讓事物變更聰明的科學，機器學習是訓練機器透過學習使其變得更聰明。

他表示，機器學習技術的運作過程為從訓練到推論，訓練機器辨識在影像中貓或狗的特徵，給予上千張貓的影像，並且指認這是貓，而不需要描述有關貓咪的特徵，機器即可從輸入的例子中自己學習辨認貓的影像，且無需人工介入。

Daniel指出，同樣的科技也可應用在醫學影像上，特別是需要瀏覽大量資料或者專業知識的人有限的領域，特別適合機器深度學習。

全球有4.15億的糖尿病患者，他們恐有視網膜病變風險，印度因缺少近12.7萬名眼科醫師，導致有多達45%的患者在還未接受診斷前就失明、喪失部分視力。Daniel說，為了挽回這種情形，Google員工利用Google Photo等演算法做影像分類，透過導入深度神經網路判讀眼底影像，也與50名眼科醫師合作。經數月研究發現，模型表現與一般眼科醫師不相上下，甚至超越眼科醫師，同樣的運作原理也被運用在Google相簿中。

Daniel表示，AI技術還可用於乳癌篩檢，每12人的乳腺癌檢測中，就有1人可能被誤診，也是過去面臨的一大挑戰。為了解決時間限制和診斷差異性高的問題，Google 正幫助醫生檢測淋巴結內乳癌細胞轉移情況，建立產生預測熱圖的模型來幫助腫瘤細胞的定位作判斷。

癌症的診斷包括取腫瘤樣本，放在玻片上、染色，在顯微鏡下觀察細胞情形。每一個玻片上包含將近10億像素（10 gigapixels）的資訊，透過顯微鏡澈底檢查這些玻片，非常耗時且複雜。

Daniel說，最終用玻片對還未訓練的模型進行訓練時，該演算法產生的預測熱圖有了很大的改善，且演算法的定位分數（FROC）達到89%，大幅超越了在沒有時間限制下，病理學家對腫瘤定位的正確率（73%），也將這項研究工具開放到網路上，讓其他研究人員都可以使用。