谷歌的人工智能（AI）模型使用3D体积深度学习建模来分析胸部CT扫描和物体检测技术，以识别恶性病变。放射科医师可以帮助预测肺癌和早期发现，提高患者的生存率，并为未来的临床试验奠定基础。
可疑肺结节（粪便结节）的增长率表明恶性肿瘤的鉴定。在2017年底，谷歌开始研究端到端的深度学习模型以筛查肺癌，并考虑以前的扫描来预测肺癌风险。通过分析胸部计算机断层扫描来识别受损的肺部恶性肿瘤。预测肺癌患者恶性肿瘤的组织定位，风险评分可预测肺癌，结果发表于2019年5月20日的“自然医学”杂志上。
谷歌的AI模型使用了美国国立卫生研究院（NIH）西北大学（NU）和国家肺癌筛查测试（NLST）数据集中超过15,000名患者的45,856例胸部LDCT。使用来自西北医学的数据集进行扫描筛查和验证，以及由六名人类放射科医师组成的团队的结果，平均具有八年的经验。
当Google的AI模型和人体放射科医师团队分析相同的计算机断层扫描时，平均AI模型发现肺癌高5％，误诊机会减少11％。在预测筛查后2年癌症风险时，与NLST研究相比，谷歌的AI模型评估了人类放射科医师的表现9.5％。谷歌在机器学习指标中的AI模型：曲线下面积（AUC）达到94.4％。谷歌还希望推动更多关于人工智能的成本效益的研究和对话，以改变癌症筛查。
肺癌患者的低存活率是所有癌症中最高的。早期筛查和治疗可以显着降低死亡率。 2015年，一项分析发现，美国仅有2-4％符合条件的患者接受了LDCT筛查。在筛查时，放射科医师必须在单个计算机断层扫描中从数百个2D图像中寻找微小的，难以发现的癌症征兆。
谷歌的AI模型可以平衡肺癌筛查的正确性，一致性，清晰度和敏感性，并有望加速全球采用。初步结果显示，Google的AI模型具有巨大的潜力，但需要进一步评估其在临床实践中的应用和影响。 Google将与Google Cloud Healthcare和Life Sciences合作，通过Google Cloud Healthcare API为用户提供AI模型，Google将继续与全球合作伙伴组织合作，测试AI模型以及其他临床验证研究和部署。
在过去三年中，Google的研究团队使用DeepMind的深度学习来分析眼部扫描，以诊断眼部疾病，fun88公益根据医疗记录预测健康结果，以及其他可以诊断糖尿病视网膜病变的医疗保健应用，准确度达到94％，以及50种眼病提供适当的治疗建议。2018年纽约大学的研究人员使用Google的Inception v3模型来检测肺癌。
