深度学习是一种人工智能（AI）的一种形式，其中教授计算机在巨大的数据集中识别模式，现在可以在识别乳腺癌中有用。
Google周五报道说，它在使用AI分析荷兰大学的数千个癌细胞幻灯片并诊断出癌症的常见形式方面取得了突破性的结果。
深度学习如何工作
病理学家的报告通常是诊断许多疾病（包括乳腺癌）的黄金标准。但是，即使经过广泛的培训和经验，不同病理学家的诊断也可能有所不同。
“某些形式的乳腺癌的诊断中的[a]可能低至48％[百分比]，而对于前列腺癌的诊断也可能很低，” Google写在博客文章中。 “鉴于必须进行大量信息才能进行准确的诊断，因此缺乏一致性并不奇怪。”
使用Radboud大学医学中心提供的图像，Google使用诸如Inception或Googlenet之类的深度学习方法培训了算法，以匹配或超过病理学家的表现。在与经验丰富的病理学家与无限时间检查幻灯片的相遇之后，Googlenet的准确性得分为89％，而人类则获得了73％。
但是，该技术并非旨在取代人类专家。
“我们已经训练的只是一小部分软件，可以帮助完成一系列非常复杂的任务，” Google工作背后的项目经理Lily Peng，告诉CNN。
彭解释说，鉴于其极端的敏感性，他们的AI系统可以标记人类会错过的事物。但是，它还可以提供一个假阳性，即人类病理学家可以确认根本不是癌症。
彭补充说，算法可以定位并找到肿瘤，而医生可以提供没有癌症的最终判决。例如，该模型尚未经过培训以对某些事情进行分类，包括炎症过程，自身免疫性疾病或其他类型的癌症。
Google的新作品仍处于研究阶段，但该公司认为这是“非常有前途的开始”，并且将加速该领域的进步。荷兰医疗机构的Jeroen van der Laak还认为，第一个癌症算法可以在几年内提供，大规模标准使用将在大约五年内进行。
乳腺癌诊断
乳腺癌仍然是全球女性最普遍的癌症类型，其中来自CDC的数据表明，每年在女性中诊断出约23万例病例。
上个月的一项研究表明获得假阳性结果的创伤从乳房X线照片中可以导致许多女性延迟或跳过下一次筛查。当乳房X线照片反映癌症的畸变反映癌症时，会发生假阳性，但是诸如活检或添加成像之类的其他测试后来将显示为良性。
在这项研究中，对第一次乳房X线照片有假阳性的妇女平均将第二次筛查延迟了13个月。那些有假阳性的人可能会在年轻的一侧，绝经前，首次放映，黑色，乳房浓密。
另一项研究看了数百万次扫描300,000多个乳腺癌细胞的细胞形状，并发现形状的变化 - 肿瘤上的身体压力导致的变化 - 转化为基因活性的变化，这些变化与实际的临床疾病结局有关。
据专家认为，这可以使医疗保健提供者能够根据细胞的外观来讲述癌症的侵略性以及可能传播的速度。
