来源：腾讯AI实验室
腾讯 AI Lab 在南京举办的「腾讯全球合作伙伴大会」上宣布，其AI+医疗领域研究已抢先从影像筛查进入病理分析阶段，相关的「智能显微镜」项目已在研发测试阶段。
智能显微镜融入了人工智能（AI）的视觉、语音、自然语言处理技术，及增强现实（AR）技术，医生轻松输入语音指令，AI就能自动识别、检测、定量计算和生成报告，并将检测结果实时显示到医生所看目镜中，及时提醒又不打断医生阅片流程，能提高医生的诊断效率和准确度。
一般诊断流程包括医疗影像筛查、病理分析、规划治疗和术后康复与追踪等四大环节。腾讯的目标，是打造一个能覆盖诊疗全流程的AI产品。在医疗影像筛查上，「腾讯觅影」已取得可喜进展，目前上线全国100余家三甲医院，辅助医生阅读影像超1亿张，服务超百万患者，提示高风险病变15万例。现在进入病理分析阶段，为公司打造全栈式AI+医疗解决方案提供了坚实基础。
以下介绍了病理AI技术、「智能显微镜」研究项目背景，及「腾讯觅影」在医疗影像方面的可喜进展，由腾讯AI Lab AI+医疗专家姚建华博士与AI+病理专家韩骁博士分享。因篇幅需要，全文有删节。
病理AI分析与智能显微镜
常见病理诊断工具简介
医生病理诊断的主要方式是观察切片，将其放大40到400倍后，观察细胞形态和组织结构作出诊断。病理显微镜和数字病理扫描仪是医生最常用的工具。
显微镜有三百多年历史，医生能熟练使用，价格也较低。但其局限性有：一是视野小，医生从目镜中每次只能看到切片上很小的局部，要切换多个视野，并将其关联才能得到整体诊断；二是图像没有数字化，不能用AI算法读取。
智能显微镜及测试功能简介
智能显微镜突破了传统显微镜的局限，以前是被动使用，现在转为主动辅助医师，如通过计算机视觉去帮助医生，从简单但繁琐的细胞计量，到困难且复杂的癌症类型辨识及区域精准划分。同时利用语音识别让医生与智能显微镜进行流畅人机交互。最后通过自然语言处理技术协助最后的病理报告生成。
读片时，医生只需给出语音指令，AI就能自动阅片、自动采集图像，并辅助医生诊断；医生阅片完成后，给出「生成报告」指令，智能显微镜就能将显微镜截图和诊断结果填入报告模板，自动生成报告，让医生复核结果和发布报告，使原本最费事的报告生成环节变得又快又省心。
智能显微镜技术模块介绍
病理AI分析是未来的研究发展方向
病理分析是诊断、预后分析和指导癌症治疗的黄金标准。在中国，2017年需约12万名病理医生，但经过训练的病理医生只有不到2万名，这个差距还在逐年增大，因而病理科医生人员配备紧缺，任务繁重。将病理切片数字化，并用AI算法辅助分析，有助于缓解病理医生不足的状况，是AI+医疗的未来趋势。此外，基础病理AI的研究更能在三方面推进病理AI的能力——
1、基于AI的病理诊断模型：可提高诊断效率，提高微小病变和疑难病例识别能力；
2、基于AI的病理预后预测模型：如预测五年总生存率、五年无疾病生存率和五年无远处转移生存率；
3、病理组学：从病理数据中提取特征，定量化分析及挖掘病理特征和诊疗的关联性。
第一种让医生「如虎添翼」，做得更快更好，后两种让医生「冲云破雾」，突破原有难关。
演示一：有丝分裂细胞检测
有丝分裂细胞计数测量癌细胞的活跃度，是癌症诊断分级的重要指标。
在传统显微镜下，这是非常繁琐的过程——医生要在高倍镜下观察10个不同区域，准确识别出有丝分裂细胞，然后统计其个数。在智能显微镜下，医生移动到目标区域时，只需给出「有丝分裂」这个简单的语音指令，AI算法能自动识别、检测和统计该区域结果，马上显示到医生所看的目镜视野中。一个区域完成后，医生可移动到新视野，重复语音指令，AI会更新结果。
演示二：免疫组化定量分析——以Ki-67染色切片为例
免疫组化是应用抗原-抗体结合的原理，在病理切片上通过特殊染色来测量组织中特定蛋白的表现，能在分子或基因层面提供更精准的癌症诊断。
以Ki-67染色切片为例，它能帮助判断癌症细胞的增殖指数。在传统显微镜下，病理医生需数出染成棕色（阳性）的癌细胞个数及癌细胞在切片上的占比。而在智能显微镜下，医生只需给出「Ki-67」这一语音指令，AI就自动完成细胞计数和占比计算。
演示三：癌症区域监测——以淋巴结切片为例
淋巴结是癌症扩散或转移常见的途径。医生可检查癌症区域附近的淋巴结情况，来确认癌症分期（TNM分期），再决定之后的治疗方案。
在传统显微镜下，使用低倍镜时，医生容易漏掉小的癌症区域，而使用高倍镜则非常耗时。在智能显微镜下，医生只需给出「区域检测」语音指令，AI会识别可疑癌症区域，精确估计该区域大小，实时将结果显示到医生所看的目镜视野中，避免遗漏。
演示四：辅助诊断流程——以息肉分类为例
智能显微镜还能辅助医生完成一个整体诊断流程，并自动生成诊断报告。
在结直肠镜筛查时，发现息肉一般要切下来做病理诊断，确定其良恶性和具体病变类别（腺瘤、腺癌等）。若是良性只需随访，恶性需及时做手术。
使用人工诊断筛查时，有经验和年轻的医生间可能会结果差异较大，诊断结果主观性强。而经过大量专家数据训练的AI，可提高诊断一致性。在智能显微镜下，医生只需给出「息肉分类」语音指令，AI就能自动阅片、自动采集图像，并辅助医生诊断。医生阅片完成后，给出「生成报告」指令，AI自动生成报告，供医生复核结果和发布报告。
「腾讯觅影」与医疗影像筛查案例
一般诊断流程包括医疗影像筛查、病理分析、规划治疗和术后康复与追踪等四大环节。在「医学影像筛查」领域，腾讯的AI医学解决方案专家——「腾讯觅影」，取得了良好进展。它利用AI医学影像分析辅助医生筛查食管癌、肺结节、糖尿病视网膜病变、结直肠肿瘤、乳腺癌、宫颈癌等疾病，以及利用AI辅诊引擎辅助医生对700多种疾病风险进行识别和预测。
腾讯医疗AI产品落地情况
腾讯觅影已与国内100多家顶级三甲医院达成合作，通过共建人工智能联合医学实验室的形式，推进AI在医疗领域的研究和应用。截至2018年10月，它已上线全国100余家三甲医院，累计辅助医生阅读医学影像超1亿张，服务超百万患者，提示高风险病变15万例。同时，在辅助医生进行病例分析方面，就单家医院来看，已辅助医生累计分析门诊病例700万份，提示高风险17万次，有效辅助临床医生提升诊断准确率和效率。
AI预问诊辅助诊断系统
这个系统先利用医学书籍文献和过往病历创建医学知识图谱，建造知识推理模型和深度学习模型，把患者病史和病情与知识图谱连接起来，得出可能疾病判断，并给出结构化诊断报告和推荐治疗方案。目前预问诊辅助诊断系统已经可以覆盖大约700种常见病（WHO30000种疾病），这个辅诊系统根据病情病史的输入，给出患某种疾病的可能性。现有系统的准确率可以达到Top3病种 93%，Top5病种可达96%。
医学影像案例 - 结直肠癌检测筛查
结直肠癌是5大恶性肿瘤之一，每年新发病例超过120万，而且发病率逐年升高。和大多数癌症一样，早期诊断治疗很关键，据统计早期结直肠癌的术后5年生存率可达90%，局部进展期也可达70%，但到了晚期就不足10%。因此世界卫生组织建议50岁以后人群每5年做一次筛查。结直肠癌的主要检查方式是消化道内窥镜。
结直肠癌筛查
腾讯AI Lab的算法基于深度学习，将图像分割成小块，在每块上计算息肉的可能性，然后综合起来定位息肉。另外还训练分类器来区分腺癌和腺瘤。AI算法可以实现在医生检查过程中的实时视频流诊断。临床使用中，当医生在使用内窥镜的时候，AI算法在后台实时检测息肉，并提醒医生注意。技术特点是实时出结果，需速度快，对算法要求高。其中息肉定位的准确率可达96.93%、区分腺癌97.2%。
结直肠癌筛查算法
医学影像案例 - 乳腺癌早期筛查
乳腺癌是女性最常见的恶性肿瘤，其发病率逐年上升，这种趋势在中国更为严重。2012年我国乳腺癌的发病率仅占全球的11.2%，到了2030年将增加到29.8%。乳腺癌检测的一个主要方式是乳腺钼靶。这是一种利用X光的检测方式，简便而且对患者无创。因为是X光投影，组织相互重叠，在钼靶上区分正常腺体和疑似病灶需要丰富的经验。
腾讯AI Lab的算法框架是：一个多视窗的深度学习网络，将左右乳腺的CC和MLO投影同时输入网络。训练了三个不同的模型来分别做肿块检测，钙化检测和良恶性判断。还设计了难例挖掘和算法迭代流程以提高性能。医生检查算法结果并反馈给模型进行进一步优化。在最新产品里，在每张0.2个假阳下，检测钙化的敏感度是99%，恶性肿块敏感度90%，良恶性敏感度和特异度分别是87%和96%，已达到或超过普通医生的水平。
乳腺癌早期筛查算法
未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。
未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。
如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
