盡管近幾十年來在檢測和治療方面取得了穩步進展，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，醫學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絡可系統收集與美國癌癥診斷、治療和發病史相關的人口統計數據和臨床信息。監測工作由國家癌癥研究所（NCI）和疾病控制預防中心共同協作完成，目標是使研究人員和臨床醫生能夠監測全國、各州各地方的癌癥病例。

這些數據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之前必須先由多位專家審核。隨著每年數百萬份新報告的不斷產生，信息負擔不斷加重。

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

自2014年以來，Tourassi團隊一直在專注于開發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。在嘗試使用傳統的自然語言處理軟件試驗后，該團隊利用深度學習技術獲得了最新進展，深度學習是一種機器學習技術，能夠利用算法、大數據和圖形處理器的計算能力來模擬人類的學習和智力。

借助于橡樹嶺計算機科學聯合研究所（Oak Ridge Leadership Computing Facility）的超級計算機Titan，Tourassi團隊應用深度學習技術從癌癥病理報告中提取到了有用的信息。通過使用適當的數據集，該團隊獲得的初步成果證明了深度學習在癌癥監測中的潛力。

自動數據工具的不斷發展與成熟是美國“癌癥登月計劃”（Cancer Moonshot initiative）的目標之一，將使醫學研究人員和政策制定者對美國癌癥人群的具體現狀獲得空前認識，而過去的病例數據僅僅來自不到癌癥患者總人口5%的臨床試驗患者。

Tourassi說：“我們目前是根據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習的潛力，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實效果。

開發一款不僅能夠理解詞義還能理解詞語之間上下文關系的軟件并非易事，人類需要通過多年的訓練來發展這些技能。對于特定任務，深度學習技術能夠將該過程壓縮到幾個小時。

通?？赏ㄟ^訓練神經網絡來實現語境創建。該神經網絡是一個加權計算網絡，能就如何正確執行任務提出明智的建議，如識別圖像或處理語言命令，輸入到神經網絡的數據和選擇性反饋信息為軟件提供了決策依據。程序員很難弄清這一算法決策過程。Tourassi稱，有了深度學習技術，用戶只需要把文件內容導入，然后就能得到結果。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行多個深度學習計算進程來加速軟件的學習過程。在最近兩項研究中，Tourassi團隊使用了加速器調整多個算法，并將結果與傳統方法進行比較。通過使用國家癌癥研究所的SEER項目提供的1976份病理學報告組成的數據集，Tourassi團隊訓練了一種深度學習算法，用來執行兩種密切相關的信息提取任務。在第一項任務中，算法通過掃描每份報告的內容確定腫瘤的首發部位。在第二項任務中，算法識別的是腫瘤部位的偏側性或腫瘤位于身體的哪一側。

該團隊建立了一個能夠發現上述兩項任務間共同點的神經網絡，并稱之為多任務學習，他們發現該算法的表現明顯優于其他方法。Tourassi說：“這樣的發現是有意義的，因為了解相關任務的相互關系的目的正是為了執行更難的任務。人類可以勝任這種類型的學習，因為我們理解詞語之間的語境關系，這正是我們試圖通過深度學習實現的目標。”

Tourassi團隊開展的另一項研究使用了946份關于乳腺癌和肺癌的SEER報告應對更復雜的挑戰：使用深度學習將癌癥的來源與相應的拓撲代碼進行匹配。該分類比癌癥的首發位置或偏側性更具特異性，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網絡并使用各種語料訓練。輸入的文本包括一般領域（如Google搜索的結果）、特定領域（如醫學文獻）和高度專業化領域的資料（如癌癥病理報告），然后算法基于這些輸入信息創建一個數學模型，用以描繪單詞之間的聯系，其中包括不相關的文本之間共有的詞匯。

通過將這種方法與傳統的分類器（如矢量空間模型）進行比較，研究小組發現，隨著網絡中納入了更多與癌癥相關的文本，算法性能變得越來越好。這些初步結果將有助于Tourassi團隊進一步擴展深度學習算法，從而能夠處理更大的數據集并減少人為干預。

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