每年导致许多人死亡的癌症可通过使身体通过心血管和淋巴系统并在身体的其他部位形成新的肿瘤而引起转移。这种转移性癌很难被发现，但Google的人工智能可以99％的准确率检测到转移性乳腺癌。
乳腺癌一生中就会发生在许多女性身上。在全球范围内，每年约有50万人死于乳腺癌。根据波士顿卫生局2009年对乳腺癌患者进行的一项研究，四分之一的乳腺癌患者是由于管理阶段的问题或错误，例如缺乏检测和缺乏诊断。虽然已知90％的乳腺癌死亡是癌症转移的结果，但转移性癌症的检测也是一个难以忽视的问题。
谷歌已对转移性乳腺癌进行过研究。谷歌开发了一种新的癌症检测算法，可以与圣地亚哥的海军医疗中心合作，自动检测乳腺癌淋巴结转移。这种名为LYNA的人工智能系统在“美国外科病理学杂志”上发表并发表。
正如我之前提到的，检测转移性乳腺癌的技能是有限的。 2017年发表的一项研究还表明，在有限的时间限制下，技术工人可能会错过62％的微观癌转移。研究人员表示，AI算法可以评估癌症检测中使用的所有组织。通过应用与培训病理学相同的框架来教授LYNA。
LYNA基于Inception-v3，这是一种开源图像识别深度运行模型，可检测输入图像到像素级别的癌症。在学习LYNA的过程中，研究团队通过使用于教育的组织标签为阳性和肿瘤比例为4：1，成功地提高了学习效率。
因此，LYNA能够在转移性乳腺癌的成像诊断准确度方面达到99.3％的准确性。当然，也存在误解的情况，但它没有受到气泡，出血和过度染色等缺陷的影响，并且表现出比人类更好的转移性乳腺癌检测能力。
研究人员强调，LYNA比病理学具有更好的检测转移性乳腺癌的能力，它可以通过病理诊断支持帮助诊断并减少错误。
正在尝试在医学领域中利用人工智能。去年，斯坦福大学的研究人员还使用算法通过使用深度算法识别皮肤癌。根据去年1月发表在“自然”杂志上的一项研究，皮肤癌的诊断主要是通过肉眼或显微镜观察人的眼睛。如果您确信您患有皮肤癌或无法用肉眼判断，请转到下一步。
为此，研究人员将他们的一部分留在了计算机中。正如你在皮肤科的显微镜下看到的，你可以拍摄怀疑皮肤癌的区域，并检查它是否是癌症。使用CNN（卷积神经网络）算法，研究人员在1,000个对象类型类别中学习了128,000个图像。此外，CNN使用129,950个数据集进行了研究，这些数据集包括从医疗领域和互联网收集的2,032种疾病。
结果，据报道有超过370例皮肤癌患者接受过CNN教育，其结果几乎与确认照片的21名皮肤科医生相同。
以前的乳腺癌和皮肤癌都是通过图像识别和学习来实现的。斯坦福大学的研究人员也计划在智能手机上实现这种意识。如果这项研究继续进行，它可以通过简单地用智能手机拍照来打开直接识别某些症状（如皮肤癌）的方式。有关更多信息，请单击此处 。