训练深度学习模型人工智能诊断肺癌的四万三千幅图像超过了放射科医生。英国的《自然医学》（Nature Medicine）该杂志20日发布了人工智能（AI）的最新进展。美国团队报告了一种可以基于胸部CT扫描的方法。检测恶性肺结节的人工智能性能与人类放射学专家相当甚至更好。深度学习模型提供了一个自动化评估系统，以提高早期肺癌诊断的准确性并帮助实施临床干预措施。在美国，肺癌已经是癌症相关死亡的最常见原因，2018年估计有160,000人死亡。在美国和欧洲的大规模临床试验表明，乳房检查可以检测出癌症并降低死亡率。但是，该方法错误率高，实用性有限以及其他临床因素的影响。当发现许多肺癌且难以治愈时，它们已经处于晚期。这次，美国Google Health Research（GHR）的科学家Daniel Xie及其同事开发了一种新的深度学习模型。他们使用42290 CT扫描图像进行训练，以便人工智能可以在无需人工干预的情况下预测肺结节的恶性程度。结果发现，在6,716个测试案例中，人工智能系统能够检测出非常小的恶性肺结节，准确率达到94％。在没有先前的CT扫描图像的情况下，该系统的性能超过了所有六位放射科医生。对于以前的CT扫描图像，两者的性能相当。研究人员提醒，这些发现仍然需要进行大规模的临床验证，但仍可以表明该模型将在未来促进肺癌患者管理和预后的改善。今年1月，美国FDNA分析技术公司接受了成千上万张真实的患者面部图像后，对人工智能进行了培训，以高精度识别罕见的遗传综合征。以及更早的Google的人工智能子公司-“ “深入思考”还成功地启用了一种人工智能算法，可以通过分析医学图像来检测眼部疾病。它可以比人类专家的判断更快，更有效地寻找三种主要的眼病，青光眼，糖尿病性视网膜病变和与年龄相关的黄斑变性的迹象。