据 6月18日报道，百度最新宣布的一项成就显示：百度将使用人工智能(AI)算法帮助病理学家更好诊断癌症。百度研究院发表论文提出一种名为“神经条件随机场”的病理切片分析算法，将肿瘤识别定位准确率大幅提高，准确率超专业病理医生。

百度开发的人工智能技术，能够分析显微镜载片上的包含的活检组织。对于经验丰富的病理学家而言，审视这些载片也很困难，但百度的深度学习技术能够比以前更快速、更准确地寻找微小的肿瘤细胞。该算法的肿瘤定位FROC分数为0.8096，超过专业病理医生水平以及由哈佛和麻省理工学院联合团队所保持的最好成绩。该挑战赛旨在评估自动检测淋巴结组织切片中癌症转移的算法。除了病理学切片分析方面的研究，百度还在探索AI在眼底影像、放射影像、以及智能问诊等其他一些医疗领域的应用。

百度的机器学习研究科学家Yi Li表示：“我们希望这种开源算法可以作为未来在这个领域的研究的高质量基线，”。“该算法仅在此阶段对有限数量的公共数据集进行评估。然而，该算法需要使用更多的临床相关数据进一步评估，以证明其仍然比经验丰富的病理学家保持更高的准确性。我们的团队将继续改进算法，并与我们可以共享新数据集的研究人员合作。”

Li指出，该算法的目标不是取代医生完成这项宝贵的任务，而是提高病理学家在日常工作中的效率。

资料显示，病理切片分析是癌症诊断中的黄金标准。但是即便对于经验丰富的病理医生来说，病理切片的阅片流程也十分困难复杂。一张40倍放大的电子化病理切片通常由超过十亿个像素点组成，磁盘空间大小超过1GB。然而淋巴结附近微转移肿瘤细胞群可能最小只有不到1000像素的直径。而一旦发现微转移肿瘤细胞群，病人的治疗方案和预后可能就会有极大差别。因此，详尽的阅读病理切片，且不漏掉任何一处具有临床价值的病灶，如同大海捞针，是一项十分复杂和耗时的任务。

百度研究院提出一种深度学习算法，一次性输入一组3x3的图块，并联合预测每一张图块是否有肿瘤区域。图块之间的空间关系可以通过一种名为“条件随机场”的概率图模型来模拟。整套算法框架可以在GPU上进行端到端的训练，而不需任何后处理的步骤。

据悉，百度在Github上开源了整套算法代码。