谷歌的人工智能技术DeepMind 在2016年的中国古代游戏“Go”中击败了世界冠军，这是人工智能的一次重大胜利。现在，相同的技术有一个新的目标：改善乳腺癌筛查，这可能直接影响全球数百万人。

　　这家总部位于伦敦的谷歌子公司表示，2007年至2018年间，日本东京的Jikei大学医院接受了大约30，000名妇女的乳房X光检查，它将使用这些数据来改进其人工智能乳腺癌检测算法。

　　据不完全统计，仅2012年全球诊断出近170万例乳腺癌病例，乳腺癌成为女性癌症死亡的第五大常见原因。目前乳房X光检查是一种广泛用于早期乳腺癌的检查手段。

　　但据调查研究表明，如今乳房X线图像分析准确率较低，大约20％的乳房X线图像存在假阴性，这意味着可能存在医生或技术人员未发现的癌症现象。同时，乳房X线图像的假阳性也是一个重要问题。

　　在美国，连续10年中进行年度乳房X光检查的女性，有超过50％会出现假阳性结果，从而导致了一系列不必要的检查和化疗。“而这些都可能给患者带来压力，并“给世界各地的医疗服务增加压力和成本，”DeepMind健康部门的临床负责人Dominic King说。

　　2017年11月，英国癌症研究中心帝国中心宣布，由King和DeepMind Health领导的顶级AI研究人员和医疗保健专业人员组成的联盟将负责使用Google的AI技术来改进乳房X线照片的阅读和评估。

　　目前DeepMind Health正在开发机器学习算法，通过审查30，000张图像，以及来自英国Optimam（从NHS提取的超过80，000次扫描的图像数据库）提供的磁共振成像（MRI）扫描和历史乳房X线照片中的3，500张图像，对其人工智能进行培训，以调查其AI系统是否能够准确地发现癌组织的迹象。虽然其他技术公司也正在研究解决乳房X线照片问题，但DeepMind的机器学习技术可以说是最先进的一个。

　　虽然大多数技术仍在处于实验阶段，但一些基于AI的癌症工具已经在临床环境中用于识别乳腺癌的危险因素。目前商业软件中使用的深度学习算法已能够准确地查看乳房X线照片并正确识别乳房密度异常部位，这是一项重大进步。

　　DeepMind Health的临床负责人Dominic King在博客文章中指出，在其他国家的数据集上培训DeepMind的AI系统将有助于减少可能出现的算法偏差。

　　“当在数据上训练人工智能系统时，可能会出现偏差，而这些数据并不能准确反映出研究对象特征，这是一个严重的问题。”他说。“在乳房X光检查领域，种族群体之间的乳房密度可能存在相当大的差异。因此，如果没有建立模型技术来反映这些差异，人工智能系统中的偏差可能会导致乳腺癌的错误识别甚至错过。”

　　在医学图像计算和计算机辅助干预会议上发表的一篇论文中，DeepMind的研究人员表示，他们开发并计划部署一种能够以“近乎人性化”的方式对CT扫描进行分割的人工智能系统，并预计将在明年的临床环境中能帮组缩短诊断时间。

　　当DeepMind Health在乳房X光检查领域取得一定技术成就的同时，外界也出现一些质疑的声音。目前DeepMind Health的研究并未专注于专家所认为乳腺癌治疗至关重要的两个领域：一是确定哪些癌症确实需要治疗（尽管DeepMind代表说当前的研究可能会在应用中发挥作用）；一是当前的乳房X线图像诊断无法捕捉间隔癌症，即在筛查之间出现的快速发展且常致命的癌症。

　　对此，DeepMind表示，该算法正在着重就间隔癌症问题进行测试，并能在未来起应用性作用。

　　如果DeepMind Health 的AI系统在乳房X线图像诊断领域上取得成功，它将可以帮助医生大大减少阅片筛查所用时间，将诊断效率提高几十倍，这将在美国乃至全球的乳腺癌诊断治疗上发挥重大影响。