哈佛大学开发的新型人工智能模型能以 96% 的准确率检测癌症

CHIEF 由哈佛大学医学院开发，在 44 TB 的数据基础上进行训练，使其在检测肿瘤和为医疗保健专业人员提供见解方面极为出色。

哈佛大学医学院的研究人员公布了一种名为CHIEF（临床组织病理学成像评估基金会）的新型人工智能模型，该模型可以非常准确地诊断和预测多种癌症类型的结果。

根据这项研究，CHIEF 的表现优于现有的人工智能系统，在 19 种不同癌症类型的癌症检测中达到了高达 "96% 的准确率"。研究人员将 CHIEF 的多功能性与 ChatGPT 相提并论，后者是一种语言模型，因其处理各种任务的能力而广受关注。

CHIEF 基本上是一种非常专业的人工智能视觉模型--一种能够理解视觉输入的模型--经过训练后，可以对癌细胞图像进行超精细的处理，而不是我们在 GPT-4V 或 LlaVA 等传统模型中看到的那种泛泛而谈的方法。

因此，CHIEF 并没有接受识别 "猫 "或 "橘子 "等一般元素的训练，而是在一个庞大的多模态数据集上接受训练，其中包括 1,500 万张未标记的图像和 6 万张来自 19 个不同解剖部位的全切面组织图像。

"通过在 44 TB 高分辨率病理成像数据集上进行预训练，CHIEF 提取出了有助于癌细胞检测、肿瘤来源识别、分子特征描述和预后预测的显微表征。

这种方法似乎比预期的效果更好。"我们的目标是创建一个类似于 ChatGPT 的灵活多用的人工智能平台，能够执行广泛的癌症评估任务，"该研究的资深作者 Kun-Hsing Yu 说。"事实证明，我们的模型在与癌症检测、预后和多种癌症的治疗反应相关的多项任务中都非常有用。"

研究人员在全球收集的 32 个独立数据集的 19,400 多张图像上对 CHIEF 进行了测试，在这些任务中，CHIEF 的表现比最先进的人工智能方法高出 36.1%。它在区分高存活率和低存活率患者方面也更加准确，并能对不同的分析组织样本提供准确的见解。

研究人员计划通过对罕见疾病、非癌症病症和恶性肿瘤前组织的图像进行训练来进一步完善CHIEF，以提高其准确性。他们还希望为该模型提供更多数据，使其能更好地识别癌症的侵袭性并预测新型治疗方法的效果。

研究人员利用人工智能推进癌症和其他疾病的检测、诊断和治疗已有一段时间了。

例如，剑桥大学的研究人员推出了 EMethylNET，这是一种利用组织样本中的 DNA 数据检测 13 种癌症的人工智能模型，准确率高达 98%。EMethylNET 在 6000 多份组织样本上进行了训练，凸显了人工智能通过 DNA 甲基化早期识别癌症的潜力，而 DNA 甲基化在癌症生长中起着至关重要的作用。

另一个较早的模型名为 CancerGPT（这个名字可不是瞎编的），它使用大型语言模型来预测药物组合可能对癌症患者的罕见组织产生的影响。它表明，在结构化数据和样本稀缺的情况下，预先训练的模型是非常宝贵的。CancerGPT 能够概括预测结果，并利用先前的医学研究提供重要见解，不过研究人员仍对潜在的人工智能幻觉表示担忧。

谷歌和 iCAD 也联手利用人工智能加强癌症筛查。他们的人工智能驱动系统在准确性上超过了放射科专家，在全球放射科医生短缺的情况下提供了一个可行的解决方案，并提高了挽救生命的乳腺癌筛查的可及性。

最后，另一项名为 Sturgeon 的人工智能技术正被脑外科医生用于协助实时诊断中枢神经系统肿瘤，准确率高达 90%。

CHIEF是开源的，可在项目的 Github页面上下载 ，因此研究人员（或其他任何人）都可以输入自己的图像并在本地运行。

More News

• All
• CT
• Coindesk
• Decrypt
• DLNews