如题。很多癌症一发现就是晚期，治愈率也不高，现在人工智能技术越来越发达，不知道对于癌症治疗有没有法子？
现在已经有不少发展人工智能的企业都开始发力医疗，希望能够借助风口正盛的科技改善人类的生活甚至是挽救人类的生命，小到一些临床的电子设备的更细，大到一些癌症的治疗。本文将会以一个初创公司在肺癌方面作出的努力为例，从而透视整个人工智能领域在医疗行业方面的潜力。
肺癌是全球最常见的癌症。这也是最致命的癌症之一。超过80％的肺癌患者会在诊断后五年内死亡，一年内死亡的达到半数。
初创公司Innovation DX的联合创始人迈克尔·帕克（Michael Park）正在努力提高这些几率。 去年12月，总部位于圣路易斯的医疗分析公司计划发布其第一个产品——一种GPU加速的AI系统，该系统可从简单的胸部X光检查出还在早期阶段的肺癌。
该产品最初将在美国以外的地方推出，而Park和其联合创始人Connor Monahan则寻求FDA（美国食品药品监督管理局）的批准。
“肺癌今天如此致命，就是因为得出诊断的时间太晚了，”
Park说。“我们想看看我们是否能帮助人们早日发现它。”
是什么使肺癌如此危险？
肺癌症状通常在癌症晚期才会显现出来。常规的胸部X光片很少发现这种疾病。根据美国《医学协会杂志》上发表的一项研究，即使是每年一次的胸部X光片也很少能在早期就发现疾病。
美国肺脏协会（American Lung Association）认为，如果医疗专业人员可以及早发现肺癌，患者的存活率将会增加三倍以上。
Park和Monahan是在他们的高中的机器人团队中相遇，共同的目标让他们携手去做这件事。
为了做到这一点，他们二人使用了一种称为“基因深度学习”的技术，它通过训练神经网络来检测肺癌的存在与否。神经网络从国家癌症研究所的数据库中发现1.2万例确诊病例的胸部x光片。
为加快训练，该团队使用CUDA并行计算平台、GeForce GTX TITAN Xp GPU与Python Caffe深度学习框架，并在Amazon Web Services云中的Tesla GPU加速器上部署了他们的模型。
Park表示，“在CPU上运行需要40秒，而我们能够在只有3.41毫秒的时间内以96％的速度运行。”
这并不表示放射科医生从此之后失业。该系统只是在医生给出意见之后的第二意见。
Innovation DX正在与马里兰州的一家医院和NIH（美国国立卫生研究院）合作，进行一项针对专业放射科医师的技术测试。该公司计划将CT扫描的部分添加到测试版中，并参与“初始虚拟加速器程”项目，该项目可帮助拥有AI和数据科学的初创企业。
肺癌细胞裂变
误诊成本
Park认为，检测肺癌只不过是开始的第一步，使用AI减少误诊的这个目标是对于他个人来说有很重要的意义，21岁的他患有囊肿性纤维化，但在头八个月的时候未被发现。
因此，他很明白误诊带来的费用有多高。于是，他和Monahan决定用他们所学到的关于计算机科学和机器学习来改善医疗。
他说：“我可能不明白药物，但算法确实如此。”
展开全部谢邀。最近医学期刊《放射》（《Radiology》）发表了一篇论文，说的就是人工智能改善治疗乳腺癌的方法。
来自麻省理工学院计算机科学与人工智能实验室（MIT’s Computer Science and Artificial Intelligence Laboratory，CSAIL）、马萨诸塞州总医院（Massachusetts General Hospital）和哈佛医学院（Harvard Medical School）的三位女科学家，联手开发了一套机器学习模型，被称为“随机森林分类器（random-forest classifier）”的方法，并让它接受了 600 个高风险病灶的分析训练。
在综合了家族遗传史、人口统计、以及过往的组织活检和病理报告等信息之后，该模型对 335 个病灶（最终升级为癌症的病患）进行了测试，结果准确诊断了97％的乳腺癌是恶性肿瘤，而传统方法仅为79％。
这项研究的结论是：在将该机器学习模型引入常规诊断实践后，超过 30% 的良性病灶切除术是可以避免的。
同时。该技术的工作速度比乳腺X射线检查快30倍——据估计，医生需要50-70个小时来分析50名乳腺癌患者，而该技术只需要约30分钟。
顺手补充一下传统的乳腺癌医疗方法：乳腺X射线检查（Mammograms）——从X光片上看到可疑的病变组织之后，需要对患者进行针刺活检以确定其是否是癌症。然而，这一工具总会存在风险，譬如误诊，当尝试提高可以识别的癌症数量时，“假阳性”的结果也会增加，导致患者进行不必要的活检和手术。
“假阳性”的一个常见原因是所谓的“高风险”病变，当通过针刺活检进行测试时，这些病变在乳腺X射线照片上看起来很可疑，并且具有异常细胞。在这种情况下，医生通常采取不同的措施，有些医生对所有的”高危病变“都进行手术以去除，而其他人仅对具有”较高癌症发生率的病变“进行手术，例如“非典型乳管增生”（ADH）或“小叶原位癌”（LCIS）。
然而，第一种方法要求患者经历痛苦、耗时且昂贵的手术，而有些甚至是毫无必要的；第二种方法也存在不精确的情况，可能导致ADH和LCIS以外的“高风险病变成为漏网之“癌”。
所以，上述三位女科学家的人工智能方案，可以筛查乳腺癌几率，避免没必要的乳腺癌切除手术，让病人采取更有针对性的医疗方法。
从明年开始，马萨诸塞州总医院放射科的医生就会将这个模型纳入临床实践了。
