如何藉助Salesforce人工智能 更快速地做出乳癌治疗决策

想像一下，你是一名医生，藉助前瞻性的治疗诊断工具可以让你对疾病有更精准的洞察力，进而协助你找到最佳的治疗方案。Salesforce研究部的团队认为，由于人工智能在视觉技术和机器学习领域有着令人兴奋的发展，该相关治疗诊断技术趋于成熟的程度超乎你的想像。

乳癌发生率持续上升

全世界每年有超过200万妇女患有乳癌，在美国大约每8名妇女便有1人患上乳癌。2018年时，美国也出现了2550例男性乳癌的新病例，应当引起人们警觉的是全球几乎每个地区的乳癌发生率都在上升。

Salesforce研究部与埃利森研究所(Ellison Institute)合作开发了ReceptorNet，这是一种深度学习演算法，可以确定激素受体状态(激素受体状态是临床医生在为乳癌患者决定合适的治疗方案时，一个关键生物标记物)，其演算法具有出色的敏感性和特异性。

这项研究发现已刊登在the Journal Nature Communications杂志上，标题为「深度学习从基础水准的H&E着色剂来确定乳癌激素受体状态」(Deep learning-enabled breast cancer hormonal receptor status determination from base-level H&E stains)。

虽然使用人工智能来改善乳癌患者的状态并不是什麽新鲜事，但迄今为止的研究工作—比如Google的人工智能乳癌筛查工具—主要集中在癌症诊断上。ReceptorNet具有独一无二的优势，它专注改善乳腺癌患者的治疗决策制定方式。

具体地说，ReceptorNet采用普遍激素受体状态的组织影像预测，这种方法成本也较低廉。这与目前的护理标准形成了鲜明对比，后者既昂贵而且难获取组织影像，也需要专业的病理学家来审查这些影像。

至关重要的是，由于这是一种比今天在美国等国家常用的系统更便宜和快速的确定激素受体状态的方法，它可能有助于更快地作出乳癌治疗积极有效的决策。无论全世界各国医疗健康照护系统的专业水准如何，该方法有最大可能让全球的患者获得最佳治疗方案。

找到眼睛看不见的癌症症状

Salesforce研究部医学人工智能团队开发了一种AI解决方案，使用低价且广泛可用的成像过程取得肿瘤影像，从而取得乳癌的重要线索。」Naik给了一个简单的比喻，「假设你出了事故，认为自己的胳膊可能骨折。如果你可以不去医院拍X光片，只需用手机给拍张胳膊照片，人工智能演算法就可以确定你是否骨折了，那会如何呢？」

那麽如何实践在工作中呢？通常当患者被诊断出患有乳癌时，病理学家会在显微镜下使用称为免疫组织化学(IHC)染色方法分析其肿瘤组织，以寻找癌症判断的激素受体，以协助他们确定病患的治疗方案，例如激素疗法或化学疗法。

IHC染色问题在于，它十分昂贵且耗时，在世界许多地区(尤其是发展国内家)不易获得。ReceptorNet学会了更简单的成像过程(苏木精和曙红-H＆E-染色)来确定激素受体状态，该过程可分析细胞的形状、大小和结构。

ReceptorNet接受世界各地数十家医院癌症患者的数千张H&E影像投影片(每张投影片包含数十亿像素)的顺练。这项研究的共同作者，医学AI负责人Andre Esteva说：「该演算法能够观察单个像素，并确定人眼无法感知的细微图案。」他解释说，这些图案可以为如何治疗癌症提供重要线索。

Salesforce Research除了进行人工智能演算法以外，在新冠肺炎期间也注意其商业价值的转变，并贴近市场分析全球7,000家(B2B、B2C或是B2B2C)的趋势分析，点击其报告评估您的企业。