騰訊于近期發(fā)布的醫(yī)學(xué)AI產(chǎn)品騰訊覓影，包含了6個(gè)人工智能系統(tǒng)，涉及的疾病有食管癌、肺癌、糖網(wǎng)病、宮頸癌和乳腺癌。

騰訊優(yōu)圖高級(jí)研究員孫星以肺癌識(shí)別和糖尿病視網(wǎng)膜病變的篩查技術(shù)為例，講述了優(yōu)圖實(shí)驗(yàn)室在這兩大領(lǐng)域的研究狀況。

肺癌識(shí)別

孫星首先談到，對(duì)比中、美、英三國(guó)的肺癌發(fā)生率和死亡率就會(huì)發(fā)現(xiàn)，國(guó)內(nèi)肺癌發(fā)生率其實(shí)低于英、美，但死亡率卻已超過(guò)英美，反映出中國(guó)肺癌致死率很高。一個(gè)重要原因是，當(dāng)診斷出患者有肺癌后，70%已到中晚期，錯(cuò)過(guò)了最佳診斷和治療時(shí)間。

因此肺癌早篩在國(guó)內(nèi)是一件刻不容緩、繼續(xù)解決的任務(wù)。

早篩是減少肺癌死亡率的重要手段，癌癥早起多表現(xiàn)為肺部結(jié)節(jié)。

這些肺部結(jié)節(jié)的尺寸往往非常小、對(duì)比度很低、抑制化特別高，因此篩查工作都是由影像科專家去完成。但每個(gè)病人肺部CT的掃描圖片數(shù)目經(jīng)常會(huì)超過(guò)200層，因此當(dāng)遇到大量病者，人工閱片越來(lái)越耗時(shí)、耗力。

另一方面，微小肺部結(jié)節(jié)在影像學(xué)的表現(xiàn)可能與其他組織或部位產(chǎn)生混淆，比如和一些毛細(xì)血管、結(jié)核、假瘤混淆，也會(huì)影響到醫(yī)生的判斷。

騰訊優(yōu)圖實(shí)驗(yàn)室希望幫助醫(yī)生能夠盡快、盡早去檢測(cè)出肺結(jié)節(jié)的區(qū)域，同時(shí)協(xié)助醫(yī)生做更準(zhǔn)確的判斷。

騰訊優(yōu)圖的解決方法

騰訊優(yōu)圖在肺癌識(shí)別的核心算法首先進(jìn)行預(yù)處理。

孫星談到，當(dāng)?shù)玫揭恍┟撁舴尾緾T影像后，會(huì)提取其中的一個(gè)胸腔區(qū)域。在3D上分割出這塊胸腔區(qū)域，然后利用圖像識(shí)別傳遞出肺部的3D數(shù)據(jù)，經(jīng)過(guò)圖像增強(qiáng)算法，增強(qiáng)肺部區(qū)域中肺結(jié)節(jié)位置的對(duì)比度，從而更好地幫助做肺癌早期的篩查工作。

這種方法的主要優(yōu)勢(shì)在于，通過(guò)三維分割和重建，處理不同成像設(shè)備產(chǎn)生的不同成像圖片。

AI影像團(tuán)隊(duì)不可避免這種情況：有些醫(yī)院的CT設(shè)備比較先進(jìn)，它拍一次CT可產(chǎn)生200層甚至更多切片，精度很高。但在很多設(shè)備比較落后的基層醫(yī)院，拍一次CT，往往可能只有40-50層。

因此，對(duì)于不同的設(shè)備，優(yōu)圖的算法也有著較強(qiáng)的適應(yīng)性。

另外，優(yōu)圖團(tuán)隊(duì)的核心算法不同于傳統(tǒng)醫(yī)學(xué)圖像處理方法，我們通過(guò)端到端一體化肺癌分類算法，輸入已經(jīng)處理好的3D肺部圖像，預(yù)估肺結(jié)節(jié)的大致位置。通過(guò)提取這些肺結(jié)節(jié)位置，再考慮整個(gè)病人肺部的全局信息，從而更好地判斷病人患有肺癌的風(fēng)險(xiǎn)。

多尺度、多任務(wù)的3D卷積神經(jīng)網(wǎng)絡(luò)是幫助實(shí)現(xiàn)早期微小肺結(jié)節(jié)檢測(cè)的核心技術(shù)，這項(xiàng)技術(shù)既可協(xié)助我們關(guān)注到微小結(jié)節(jié)局部區(qū)域的特征信息，同時(shí)又可結(jié)合患者在整個(gè)肺部的全局信息，做出更好的預(yù)測(cè)。

除了核心技術(shù)外，更重要的就是數(shù)據(jù)。

數(shù)據(jù)收集與訓(xùn)練

孫星繼續(xù)談到，優(yōu)圖從各個(gè)數(shù)據(jù)集中精心收集了兩個(gè)非常重要的數(shù)據(jù)集。

一個(gè)是擁有肺結(jié)節(jié)檢測(cè)標(biāo)簽的數(shù)據(jù)集，利用有超過(guò)4000例患者的數(shù)據(jù)，超過(guò)30萬(wàn)張CT影像，而且均有醫(yī)生在肺結(jié)節(jié)區(qū)域的標(biāo)注，這些大量標(biāo)注信息可幫助我們更好識(shí)別出肺結(jié)節(jié)的位置。

但光有這些標(biāo)注過(guò)的肺結(jié)節(jié)數(shù)據(jù)還不夠，因?yàn)槲覀冎涝俸玫尼t(yī)生都會(huì)存在誤判的情況，而且這批數(shù)據(jù)大部分由普通醫(yī)生標(biāo)注。

為此，我們?cè)黾恿艘粋€(gè)新的肺癌診斷數(shù)據(jù)庫(kù)，有超過(guò)1300例病人樣本，每個(gè)樣本都有病人的病理診斷結(jié)果或隨訪結(jié)果，以保證這是一個(gè)精標(biāo)準(zhǔn)的數(shù)據(jù)。

優(yōu)圖團(tuán)隊(duì)通過(guò)把自己的算法、大量人工標(biāo)注數(shù)據(jù)和少量高精度標(biāo)準(zhǔn)數(shù)據(jù)相結(jié)合，最終做出超過(guò)普通醫(yī)生水平的標(biāo)準(zhǔn)。

在肺結(jié)節(jié)檢測(cè)的數(shù)據(jù)庫(kù)方面，騰訊優(yōu)圖團(tuán)隊(duì)大部分?jǐn)?shù)據(jù)均為35毫米以下的小結(jié)節(jié)，與早篩目的相符合。在這些數(shù)據(jù)里，10毫米以下的小結(jié)節(jié)占75%，使得訓(xùn)練的模型可更具針對(duì)性地去解決那些微小結(jié)節(jié)產(chǎn)生的問(wèn)題。

同時(shí)，除了剛剛收集的一些數(shù)據(jù)庫(kù)外，騰訊還進(jìn)行多中心合作，得到國(guó)內(nèi)不少臨床實(shí)驗(yàn)數(shù)據(jù)，更加了解中國(guó)人的肺，做好肺癌的早期篩查工作。

三個(gè)不同的數(shù)據(jù)集都有一個(gè)良惡性的細(xì)分標(biāo)簽，比如良性里面會(huì)有炎性假瘤、肺結(jié)核等。

惡性也會(huì)有一些鱗癌、腺癌、小細(xì)胞癌，這些細(xì)分的標(biāo)簽幫助算法需要有更強(qiáng)的泛化能力，同時(shí)也可更到位地解決一些疑難雜癥中的問(wèn)題。比如在一些基層醫(yī)院，之前都沒(méi)碰到過(guò)的一些疑難雜癥，在我們的算法里已經(jīng)被很好地訓(xùn)練過(guò)。

成果

在具體的成果上，優(yōu)圖團(tuán)隊(duì)在早期肺癌上的準(zhǔn)確率可達(dá)80%，在良性結(jié)核的準(zhǔn)確率也可達(dá)84%。在部分疑難雜癥、比較難判斷的情況下，已經(jīng)超過(guò)普通醫(yī)生的平均水平。

后續(xù)優(yōu)圖的醫(yī)療AI也將在本月和多家三甲醫(yī)院合作落地，如廣東省人民醫(yī)院、廣東省第二人民醫(yī)院。

糖尿病視網(wǎng)膜篩查

除了肺癌篩查，孫星也簡(jiǎn)單介紹了他們團(tuán)隊(duì)在糖尿病視網(wǎng)膜篩查的工作。

孫星介紹到，2015年國(guó)際糖尿病聯(lián)盟發(fā)現(xiàn)有4億多的成人患有糖尿病。預(yù)計(jì)2040年，將會(huì)高達(dá)6.4億，其中高達(dá)30%-50的糖尿病患者都會(huì)患有糖尿病視網(wǎng)膜病變，其中患有糖尿病視網(wǎng)膜病變中有一成的患者將會(huì)面臨失明的風(fēng)險(xiǎn)，人群數(shù)很有可能高達(dá)2500萬(wàn)人。

從上述的數(shù)據(jù)顯示，糖網(wǎng)是一個(gè)非常嚴(yán)重的問(wèn)題，對(duì)于成年人來(lái)說(shuō)，糖網(wǎng)也是第一大致盲因素，接近四分之三的10年糖尿病患者都會(huì)患有糖網(wǎng)。

雖然問(wèn)題嚴(yán)峻，但是值得慶幸的是，如果糖網(wǎng)在早期能夠被檢測(cè)出來(lái)，也有95%的希望去阻止失明的發(fā)生。所以對(duì)于糖尿病視網(wǎng)膜病變來(lái)說(shuō)，早篩工作非常重要。

優(yōu)圖實(shí)驗(yàn)室現(xiàn)在主要給糖網(wǎng)分為5期，第一是沒(méi)有病變，然后是輕度病變、中度病變、重度病變、增殖性病變、目前沒(méi)有細(xì)分的病變。

但是如果真正做到早篩，對(duì)于醫(yī)生來(lái)說(shuō)具有一定的難度。

為此，優(yōu)圖專門找了一些開(kāi)源數(shù)據(jù)集，收集3萬(wàn)張有標(biāo)簽的眼底數(shù)據(jù)，隨機(jī)分割，把它分為80%的訓(xùn)練集和20%的驗(yàn)證集，通過(guò)一體化視網(wǎng)膜病變的網(wǎng)絡(luò)，在訓(xùn)練集和驗(yàn)證集都得到了超過(guò)95%的準(zhǔn)確率。

這里存在兩個(gè)情況，一個(gè)是我們會(huì)認(rèn)真判斷正常和患病的情況，它的橫坐標(biāo)代表的是一個(gè)患病樣本的誤檢率，縱坐標(biāo)是一個(gè)正常樣本的召回率。

現(xiàn)在在1%誤檢率的情況下，可達(dá)到90%正常樣本的召回率。而對(duì)于非增殖和增殖眼底的大樣本情況，也可以達(dá)到很高的準(zhǔn)確率。同樣，優(yōu)圖實(shí)驗(yàn)室也收集了一批臨床實(shí)驗(yàn)的數(shù)據(jù)去驗(yàn)證算法，患病的召回率可達(dá)到近96%的水平，對(duì)于非增殖的和增殖的算法準(zhǔn)確度也達(dá)73%。

高準(zhǔn)確率的背后還有一段路要走

騰訊優(yōu)圖作為AI基礎(chǔ)研究團(tuán)隊(duì)，從跨界的角度講，在這兩大醫(yī)學(xué)領(lǐng)域無(wú)疑取得了較好的成績(jī)，但后面的路仍道阻且長(zhǎng)。

雷鋒網(wǎng)也發(fā)現(xiàn)，市場(chǎng)上絕大多數(shù)初創(chuàng)影像公司都在做肺結(jié)節(jié)和眼底方向的研究。

科大訊飛智慧醫(yī)療事業(yè)部總經(jīng)理陶曉東曾向雷鋒網(wǎng)透露，在肺結(jié)節(jié)這塊雖然大家都在說(shuō)自己有著百分之九十幾的準(zhǔn)確率，但首先要問(wèn)個(gè)問(wèn)題，為什么大家都在做肺結(jié)節(jié)？這實(shí)際上可以反映出一個(gè)現(xiàn)狀：大家的創(chuàng)新能力還不夠，而且大家能夠得到的資源都很相似，因?yàn)榉尾緾T公開(kāi)的數(shù)據(jù)最多。

除此之外，智能影像診斷到臨床還有非常長(zhǎng)的路要走。

廣東省人民醫(yī)院放射科劉再毅教授談到，要真正應(yīng)用在臨床，需要解決它的精度、實(shí)用范圍和政策等問(wèn)題，如果要政策批準(zhǔn)，必須經(jīng)過(guò)臨床試驗(yàn)驗(yàn)證，耗資會(huì)很巨大。

很多研究員和影像科醫(yī)生也針對(duì)這個(gè)問(wèn)題發(fā)表了自己的看法：即便技術(shù)能達(dá)到99.99%，那萬(wàn)一不幸的是，某個(gè)病人正好是那0.01%，最后是醫(yī)生來(lái)負(fù)責(zé)，還是AI來(lái)負(fù)責(zé)，這也是一個(gè)很重要的課題。

來(lái)源：雷鋒網(wǎng)