食管癌是常見惡性腫瘤之一，治療時機非常關鍵，如果在癌症早期發現，只需通過微創手術切除病變區域，治療成本低、基本無併發症、治癒的概率非常高。但我國早期食管癌檢出率低於10%，因為早癌病變特徵非常細微，在檢查時人的肉眼很容易忽略，可能錯過最佳治療時機。同時，食管的炎症與癌症特徵有很多相似性，經驗不足的醫生，有可能把炎症誤診為癌症，從而選擇錯誤的治療方案，導致不必要的身體損傷。
中國食管癌現狀
早期食管癌檢出率低於10%
2015年新發現腫瘤病理排名第三
新發現腫瘤病例男性排名第四、女性排名第五
在食管癌篩查中，醫生要做的第一步是用內鏡篩查判斷病變特徵，從而決定是否進行進一步病理檢查。這裡的內鏡影象裡包含大量畫素資料，在非常有限的篩查時間裡，機器能很快區分病灶之間的細微差別，提升早癌篩查識別率，同時更好辨識出炎症與癌症之間差異性，將兩者區分開來，幫助醫生進行更好的治療。
中山大學醫院管理處處長、廣東省食管癌研究所所長傅劍華教授介紹，AI在醫療上的應用越來越廣泛。國外開發主要聚焦影像識別系統，應用在皮膚科和眼科等。這次合作屬於內鏡影象識別系統，可能在全球屬於首創。中山大學附屬腫瘤醫院胸外科醫師羅孔嘉補充解釋，AI與內鏡結合少，原因包括內鏡影象的拍攝非常困難。而且，比起有無病灶的診斷，病情嚴重程度的診斷技術含量更高。
騰訊AI Lab提出的技術流程歷經三個環節：首先通過食管判別模型，從包含非食管的大資料中辨別並留存食管資料；第二步，將食管資料送到第二個模型，把正常食管和病變食管區別開；第三步，將病變食管資料送到第三個模型，判斷是癌症還是炎症。
食道癌識別 - 整體流程及相關技術
在這個技術中，我們研究瞭如何將深度學習技術應用到食管癌識別的問題中，通過構建自動識別演算法輔助醫生，提升其診斷效率和準確性。在研究中，這是一個典型的分類問題，目前有VGG和GoogleNet等比較成熟的演算法。而成熟分類演算法的效果並不理想，因為能知道一張影象是否包含癌症，但缺乏定位到具體病變位置的表示資料。因此我們將一張食管影象化整為零，採用Multi-Instance思路，在loss function中加入醫生經驗和醫學知識作為約束，提升了模型學習效能。在模型迭代過程中，我們也會積累少量精準標註資料，通過多工方式，把這些資料的精準特徵強化到前面的判別模型中，從而進一步提升模型識別效果。通過不斷將模型識別結果與醫生標註結果對比，精準標註資料不斷積累，模型也越加成熟。在歷時半年、多次迭代以後，判斷準確率和召回率的綜合指標F1-Score[2]最終達到了90%。
騰訊AI Lab於2016年4月成立以後，專注於基礎研究和應用探索的結合，提出了「學術有影響，工業有產出」的發展目標，目前技術已支援騰訊上百個產品，包括微信、QQ、QQ音樂、天天快報和應用寶等。
2017年3月，斬獲計算機圍棋大賽“UEC杯”冠軍的圍棋AI產品「絕藝」，背靠機器學習與強化學習等AI熱門研究，並在騰訊圍棋平臺應用、遊戲AI研發領域具有較高價值。近日在QQ手機版本上線的「實時視訊濾鏡技術」，其相關論文也入選計算機視覺頂級學術會議CVPR，是研發嚮應用快速轉化的又一例證。