谷歌产品经理彭博士在周二举行的公司年度 I/O 开发者大会上表示，该公司的技术可以捕捉到癌症早期发病迹象。

据世界卫生组织统计，肺癌导致的死亡人数超过其他任何癌症。它也是最常见的癌症类型之一，有超过 200 万的病例。

彭说:“我们知道，如果及早诊断，患者的存活率会更高。但不幸的是，超过 80%的肺癌没有及早发现。”

早期癌症在 CT 扫描中很难看到，而晚期癌症患者在早期扫描中往往仅显示出细微的迹象。

彭表示谷歌利用美国国家癌症研究所(National cancer Institute)和西北大学(Northwestern University)的肺癌扫描结果，训练了一个神经网络来检测恶性肿瘤，其水平相当于或高于训练有素的放射科医生的诊断能力。

彭例举了一个病例：一名没有症状、没有癌症病史的病人接受了 CT 扫描，结果没发现有任何癌症病状，但一年后的 CT 扫描却发现了他是晚期癌症。谷歌使用它的人工智能系统来检查最初的扫描结果，该模型能够在患者确诊前一年就发现了早期症状。

彭表示对于这样的病人，早期诊断意味着存活率将提高 40%。

别小看这 4 成的概率，对于很多癌症患者来说，这个数字不光意味着生的希望，还能减少后期治疗的大笔费用和肉体精神上的双重痛苦。

很明显，对于医疗技术来说这是一个非常好的开始，彭也非常希望与期待能和医学界合作，利用 AI 技术帮助改善患者的治疗结果。

对于癌症预防和治疗的研究从未停歇过，虽然现在的癌症早已摘掉不治之症的标签，但仍有较大概率致死，并且患者在治疗期间需要承受极大的痛苦和精神压力，光是化疗就能将人的身心折磨到濒临崩溃的地步，而癌症种类又很多样，除了谷歌 AI 带来的肺癌诊断外，麻省理工学院 CSAIL 的人工智能还能提前 5 年预测乳腺癌的发病。

乳腺癌是美国女性死亡的第二大癌症。据估计，2015 年，有 23.2 万名女性被诊断出患有乳腺癌，约 4 万人死于乳腺癌。

虽然像乳房 X 光检查这样的早起诊断手段已被广泛应用，2014 年，仅在美国就进行了 3900 多万次乳腺癌筛查，但它们并不总是可靠。大约 10%到 15%接受乳房 X 光检查的女性在进行非结论性分析后被要求重做检查。

幸运的是，在人工智能的帮助下，麻省理工学院计算机科学与人工智能实验室(CSAIL)和麻省总医院的科学家正在朝着更加一致和可靠的筛查程序迈进。

在最新发表于《放射学》(Radiology)杂志上的一篇论文中，他们描述了一种机器学习模型，该模型可以通过乳房 X 光检查来预测患者未来五年是否可能患上乳腺癌。

他们的工作建立在谷歌人工智能和 Alphabet 的 DeepMind 的基础上。谷歌人工智能在 10 月份表示，它已经开发出一种模型，能够以 99%的准确率检测转移性乳腺癌。Alphabet 的 DeepMind 去年验证了一种人工智能系统，伦敦大学学院(University College London)的 CT 扫描显示出“接近人类的表现”。另外，纽约大学(New York University)的科学家最近推出了一种乳腺癌筛查模型，该模型经过 20 多万次乳房 X 光检查的训练，哈佛医学院(Harvard Medical School)的一个团队设计了一种人工智能，可以检测出导致某些癌症的基因缺陷。

“与其采取一刀切的方法，我们还可以针对女性患癌症的风险进行个性化筛查，”一篇新论文的资深作者、乳腺癌幸存者雷吉娜·巴兹雷(Regina Barzilay)说。“例如，医生可能会建议一组女性每隔一年接受一次乳房 X 光检查，而另一组风险较高的女性可能会接受补充的 MRI 筛查。”

正如哈佛大学教授、论文合著者康斯坦斯•雷曼(Constance Lehman)所解释的，大多数乳腺癌风险模型关注的是一系列风险因素，如年龄、乳腺癌和卵巢癌家族史、激素和生殖因素以及乳房密度。但其中一些因素与乳腺癌的相关性较低，损害了模型的准确性。

Barzilay 和他的同事们避开了手工模式和风险识别，而是采用了一个自主的系统，该系统对马萨诸塞州总医院 6 万多名患者的 9 万多张乳房 X 射线照片和已知结果进行培训。从这些样本中，人工智能系统“学会”了数据之间的关系，即使是技术高超的放射学家和肿瘤学家也可能忽略这些数据。

雷曼说:“自 20 世纪 60 年代以来，放射学家注意到，女性在乳房 X 光片中可以看到独特且变化广泛的乳房组织模式。这些模式可以代表基因、激素、怀孕、哺乳、饮食、体重减轻和体重增加的影响。我们现在可以利用这些详细的信息，在个人层面上更精确地进行风险评估。”

该团队还煞费苦心地确保风险评估模型对少数族裔患者和白人患者一样准确，而早期模型并非总是如此。他们说，这个模型对白人和黑人女性同样准确，在实验中，他们说，该模型成功地预测了 31%的高危癌症患者，而传统模型的预测率仅为 18%。

Barzilay 说，它可以为乳房 X 光检查奠定基础，从而识别出患有心血管疾病或其他癌症等其他健康问题风险更高的患者。“我们的目标是使这些技术上的进步成为护理标准的一部分，”麻省理工学院 CSAIL 的博士生 Adam Yala 说。“通过预测未来谁会患上癌症，我们有希望在症状出现之前挽救生命并避免感染癌症。”

研究人员未来的工作目标是将 AI 技术应用于其他疾病的模型。