长期以来，许多肿瘤的分类和诊断都必须依赖专业病理学家在显微镜下耗时细致的观察。
如今，一项重大突破与训练机器学习相结合，使得这项重要任务可以在几秒钟内完成。
在《Nature Medicine》杂志最近发表的一项研究中，美国纽约大学的研究团队重新训练了现成的谷歌深度学习算法，以识别两种最常见的肺癌类型：肺腺癌和鳞状细胞癌癌，准确率高达97%。
该团队使用的人工智能技术与上传到谷歌在线服务的图像中用于识别人脸、动物和物体的技术相同。
过去，谷歌还利用这项技术来诊断疾病，包括糖尿病和心脏病导致的失明。
疾病。
这次，纽约大学的神经网络开发了一种病理学家以前从未尝试过的诊断分析方法——从肿瘤成像照片中识别基因突变。
Tsirigos 的团队使用了 Google Inception v3，这是 Google 的开源算法，经过训练可以识别一千种不同类型的物体。
为了训练算法区分恶性组织图像和健康组织图像，该团队使用了来自患者组织样本公共数据库的数千张癌症基因组图谱图像。
首先，团队成功训练Inception，实现了99%准确率识别恶性细胞的能力。
接下来，他们训练 Inception 来识别两种不同类型的肺癌：肺腺癌和鳞状细胞癌。
接下来，团队使用不同的数据库样本数据来测试Inception的分析能力。
虽然结果显示准确率有所下降，但仍然可以正确诊断图像（准确率在83%到97%之间）。