一直以来，许多肿瘤的分类诊断一定要仰赖专业病理学家在显微镜下耗时仔细观察来完成，而今日，一项结合训练机器学习的重大突破，让这项重要工作能缩短至数秒内完成。
近期发表于《Nature Medicine》期刊的一项最新研究，美国纽约大学研究团队重新训练现成的 Google 深度学习算法，辨识两种最常见的肺癌类型──肺腺癌和鳞状细胞癌，辨识准确度可达 97％。
团队使用的这项人工智能科技，与上传至 Google 在线服务的图片库以辨识图片中的面孔、动物和物体技术相同，过去 Google 这项科技也曾应用在疾病诊断，包括糖尿病引发之失明和心脏疾病。而这次，纽约大学的神经网络开发出一项病理学家从未尝试过的诊断分析方式──藉由肿瘤影像照片辨识基因突变。
Tsirigos 团队利用 Google Inception v3──Google 训练辨识一千种不同种类物体的开源算法。为了训练这个算法区分出恶性和健康的组织图像，研究团队利用病患组织检体公共数据库成千上万的癌症基因体图谱影像。首先，团队成功训练 Inception 达到 99％ 准确度辨识恶性细胞的能力，接下来，再训练 Inception 辨识肺腺癌和鳞状细胞癌这两种不同类型的肺癌。
接着，团队使用不同数据库检体资料来检测 Inception 的分析能力，虽然结果显示准确度下降一些，但依然能正确诊断影像（准确度介于 83％～97％）。