盡管近幾十年來在檢測和治療方面取得了穩(wěn)步進展，癌癥仍然是美國的第二大死亡原因，每年約有50萬人因癌癥去世。為了更好地認識和對抗癌癥，醫(yī)學(xué)研究者們開始借助癌癥登記程序開展研究。這一全國性的組織網(wǎng)絡(luò)可系統(tǒng)收集與美國癌癥診斷、治療和發(fā)病史相關(guān)的人口統(tǒng)計數(shù)據(jù)和臨床信息。監(jiān)測工作由國家癌癥研究所（NCI）和疾病控制預(yù)防中心共同協(xié)作完成，目標是使研究人員和臨床醫(yī)生能夠監(jiān)測全國、各州各地方的癌癥病例。

這些數(shù)據(jù)大部分摘自電子文本臨床報告。這些報告必須由人工整理，因此需要歷時很久才能被用于研究。例如，一份詳細描述癌性組織的癌癥病理報告在被錄入登記系統(tǒng)之前必須先由多位專家審核。隨著每年數(shù)百萬份新報告的不斷產(chǎn)生，信息負擔(dān)不斷加重。

美國能源部（DOE）橡樹嶺國家實驗室（ORNL）健康數(shù)據(jù)科學(xué)研究所主任Georgia Tourassi表示：“手動模型是不可擴展的。我們需要開發(fā)新的工具，使其能夠自動完成信息提取過程，真正實現(xiàn)美國癌癥監(jiān)測的現(xiàn)代化?！?/p>

自2014年以來，Tourassi團隊一直在專注于開發(fā)一款能快速識別癌癥報告中有價值的信息的軟件，這種能力不僅可以節(jié)省時間，還可能揭示癌癥研究中被忽視的一些方法。在嘗試使用傳統(tǒng)的自然語言處理軟件試驗后，該團隊利用深度學(xué)習(xí)技術(shù)獲得了最新進展，深度學(xué)習(xí)是一種機器學(xué)習(xí)技術(shù)，能夠利用算法、大數(shù)據(jù)和圖形處理器的計算能力來模擬人類的學(xué)習(xí)和智力。

借助于橡樹嶺計算機科學(xué)聯(lián)合研究所（Oak Ridge Leadership Computing Facility）的超級計算機Titan，Tourassi團隊?wèi)?yīng)用深度學(xué)習(xí)技術(shù)從癌癥病理報告中提取到了有用的信息。通過使用適當(dāng)?shù)臄?shù)據(jù)集，該團隊獲得的初步成果證明了深度學(xué)習(xí)在癌癥監(jiān)測中的潛力。

自動數(shù)據(jù)工具的不斷發(fā)展與成熟是美國“癌癥登月計劃”（Cancer Moonshot initiative）的目標之一，將使醫(yī)學(xué)研究人員和政策制定者對美國癌癥人群的具體現(xiàn)狀獲得空前認識，而過去的病例數(shù)據(jù)僅僅來自不到癌癥患者總?cè)丝?%的臨床試驗患者。

Tourassi說：“我們目前是根據(jù)很小比例的癌癥患者的治療效果做出判斷，而他們不能代表整個患者群體。我們的工作顯示了深度學(xué)習(xí)的潛力，它可以判斷癌癥治療和診斷方法的有效性，并讓癌癥患者更好地了解這些方法的現(xiàn)實效果。

開發(fā)一款不僅能夠理解詞義還能理解詞語之間上下文關(guān)系的軟件并非易事，人類需要通過多年的訓(xùn)練來發(fā)展這些技能。對于特定任務(wù)，深度學(xué)習(xí)技術(shù)能夠?qū)⒃撨^程壓縮到幾個小時。

通?？赏ㄟ^訓(xùn)練神經(jīng)網(wǎng)絡(luò)來實現(xiàn)語境創(chuàng)建。該神經(jīng)網(wǎng)絡(luò)是一個加權(quán)計算網(wǎng)絡(luò)，能就如何正確執(zhí)行任務(wù)提出明智的建議，如識別圖像或處理語言命令，輸入到神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)和選擇性反饋信息為軟件提供了決策依據(jù)。程序員很難弄清這一算法決策過程。Tourassi稱，有了深度學(xué)習(xí)技術(shù)，用戶只需要把文件內(nèi)容導(dǎo)入，然后就能得到結(jié)果。它更像一個黑盒子，但這正是其吸引人之處。

圖形處理器可通過同時快速執(zhí)行多個深度學(xué)習(xí)計算進程來加速軟件的學(xué)習(xí)過程。在最近兩項研究中，Tourassi團隊使用了加速器調(diào)整多個算法，并將結(jié)果與傳統(tǒng)方法進行比較。通過使用國家癌癥研究所的SEER項目提供的1976份病理學(xué)報告組成的數(shù)據(jù)集，Tourassi團隊訓(xùn)練了一種深度學(xué)習(xí)算法，用來執(zhí)行兩種密切相關(guān)的信息提取任務(wù)。在第一項任務(wù)中，算法通過掃描每份報告的內(nèi)容確定腫瘤的首發(fā)部位。在第二項任務(wù)中，算法識別的是腫瘤部位的偏側(cè)性或腫瘤位于身體的哪一側(cè)。

該團隊建立了一個能夠發(fā)現(xiàn)上述兩項任務(wù)間共同點的神經(jīng)網(wǎng)絡(luò)，并稱之為多任務(wù)學(xué)習(xí)，他們發(fā)現(xiàn)該算法的表現(xiàn)明顯優(yōu)于其他方法。Tourassi說：“這樣的發(fā)現(xiàn)是有意義的，因為了解相關(guān)任務(wù)的相互關(guān)系的目的正是為了執(zhí)行更難的任務(wù)。人類可以勝任這種類型的學(xué)習(xí)，因為我們理解詞語之間的語境關(guān)系，這正是我們試圖通過深度學(xué)習(xí)實現(xiàn)的目標。”

Tourassi團隊開展的另一項研究使用了946份關(guān)于乳腺癌和肺癌的SEER報告應(yīng)對更復(fù)雜的挑戰(zhàn)：使用深度學(xué)習(xí)將癌癥的來源與相應(yīng)的拓撲代碼進行匹配。該分類比癌癥的首發(fā)位置或偏側(cè)性更具特異性，有12種可能的答案。

為了解決上述問題，該團隊建立了一個卷積神經(jīng)網(wǎng)絡(luò)并使用各種語料訓(xùn)練。輸入的文本包括一般領(lǐng)域（如Google搜索的結(jié)果）、特定領(lǐng)域（如醫(yī)學(xué)文獻）和高度專業(yè)化領(lǐng)域的資料（如癌癥病理報告），然后算法基于這些輸入信息創(chuàng)建一個數(shù)學(xué)模型，用以描繪單詞之間的聯(lián)系，其中包括不相關(guān)的文本之間共有的詞匯。

通過將這種方法與傳統(tǒng)的分類器（如矢量空間模型）進行比較，研究小組發(fā)現(xiàn)，隨著網(wǎng)絡(luò)中納入了更多與癌癥相關(guān)的文本，算法性能變得越來越好。這些初步結(jié)果將有助于Tourassi團隊進一步擴展深度學(xué)習(xí)算法，從而能夠處理更大的數(shù)據(jù)集并減少人為干預(yù)。

2016年，美國能源部將Tourassi團隊的癌癥監(jiān)測項目列入了“百億億次級計算項目”，該團隊在利用深度學(xué)習(xí)進行癌癥研究方面已經(jīng)取得了巨大進展，希望在未來能夠取得更多的研究成果。