10月17日下午消息，據(jù)中國臺灣地區(qū)媒體報道，Google提出了一套基于LYNA(LYmph Node Assistant)的診斷方法，透過LYNA演算法，病理學(xué)家將可以更容易的檢測出，胸腺癌細胞在淋巴結(jié)上的微轉(zhuǎn)移，不只讓幻燈片檢驗時間減半，還讓錯誤率下降兩倍。但Google提到，雖然研究已經(jīng)有初步的成果，但是要到實際應(yīng)用還有一段很長的路要走。

以顯微鏡檢查病患的腫瘤，被視為癌癥診斷的黃金標(biāo)準(zhǔn)，而且對預(yù)測以及治療決策有決定性的影響，淋巴結(jié)轉(zhuǎn)移與大多數(shù)的癌癥相關(guān)，同時也是廣泛被采用的TNM癌癥分期重要的參考指標(biāo)。對于診斷乳腺癌更是特別重要，淋巴結(jié)轉(zhuǎn)移會影響后續(xù)放射治療、化療或是手術(shù)切除額外淋巴結(jié)的治療決策，因此淋巴結(jié)轉(zhuǎn)移的識別準(zhǔn)確度和即時性對于臨床治療有顯著的影響。

但要檢測癌細胞從原發(fā)部位轉(zhuǎn)移到附近淋巴結(jié)并非容易的事，研究顯示，大約有四分之一的淋巴結(jié)轉(zhuǎn)移診斷結(jié)果，會在第二次病理檢查時改變，而在有限時間進行評估時，單張病理幻燈片上的小型轉(zhuǎn)移檢測精準(zhǔn)度可能只有38%。在2016年，Google以深度學(xué)習(xí)強化了LYNA診斷準(zhǔn)確性，但Google提到，光靠演算法并不足以改變病理學(xué)家的工作流程，或是改善乳腺癌患者的治療。

Google在今年，于兩篇論文提出了基于LYNA的概念性驗證病理學(xué)家輔助工具，并研究其中的影響因素。Google對圣地亞哥海軍醫(yī)療中心提供的去識別病理幻燈片獨立資料集上使用獨家演算法，由于這個資料集是不同實驗室以不同程序采集的病理樣本組成，改善了常規(guī)臨床實踐上幻燈片的多樣性，LYNA被證明能強健的處理影像的易變性以及組織假影(Histological Artifacts)。

LYNA不需要進一步發(fā)展，就能對兩類資料集都有類似的效能表現(xiàn)。在兩個資料集中，LYNA能夠以99%精準(zhǔn)度，區(qū)分有轉(zhuǎn)移性癌癥和沒有癌癥的幻燈片，而且LYNA還能精確的標(biāo)出每張幻燈片中，組織可能有癌癥的區(qū)域，甚至可以找出病理學(xué)家無法找到的一些微小細節(jié)。

第二篇論文則是找來病理學(xué)家進行模擬診斷，實驗在有LYNA和沒有LYNA幫助下，檢查轉(zhuǎn)移性乳腺癌淋巴結(jié)的工作。由于檢測微小轉(zhuǎn)移是非常費力的工作，而在有LYNA的協(xié)助下，病理學(xué)家在主觀上認為工作變得更加容易，并且每張幻燈片的檢驗時間從2分鐘縮短至1分鐘，檢查所花費的時間減半，而且微轉(zhuǎn)移判斷出錯率降低2倍。這代表LYNA輔助技術(shù)能減輕重復(fù)識別工作的負擔(dān)，并減少病理學(xué)家付出的時間和精力，能專注于其他更具挑戰(zhàn)性的臨床和診斷任務(wù)上。

透過這些研究，Google證明LYNA演算法，能對乳腺癌TNM分期提供穩(wěn)定可參考的證據(jù)，不過，Google卻表示，這些研究成果雖然值得高興，但是距離要實際用于幫助醫(yī)生和病患，還有很長的路要走，因為這些研究具有局限性，像是有限的資料集和診斷工作流程進行，目前僅能用于檢測單個淋巴結(jié)幻燈片，而非臨床上需對多個幻燈片進行判斷，對于進一步使用LYNA作為真實臨床案例，還需要審慎的評估設(shè)計。