騰訊AI Lab研發「智慧顯微鏡」 搶先佈局病理分析領域

感謝閱讀騰訊AI Lab微訊號第50篇文章，我們將分享今日在南京「騰訊全球合作伙伴大會」上介紹的「智慧顯微鏡」研究專案。

騰訊 AI Lab 今日在南京舉辦的「騰訊全球合作伙伴大會」上宣佈，其AI+醫療領域研究已搶先從影像篩查進入病理分析階段，相關的「智慧顯微鏡」專案已在研發測試階段。

智慧顯微鏡融入了人工智慧（AI）的視覺、語音、自然語言處理技術，及擴增實境（AR）技術，醫生輕鬆輸入語音指令，AI就能自動識別、檢測、定量計算和生成報告，並將檢測結果實時顯示到醫生所看目鏡中，及時提醒又不打斷醫生閱片流程，能提高醫生的診斷效率和準確度。

一般診斷流程包括醫療影像篩查、病理分析、規劃治療和術後康復與追蹤等四大環節。騰訊的目標，是打造一個能覆蓋診療全流程的AI產品。在醫療影像篩查上，「騰訊覓影」已取得可喜進展，目前上線全國100餘家三甲醫院，輔助醫生閱讀影像超1億張，服務超百萬患者，提示高風險病變15萬例。現在進入病理分析階段，為公司打造全棧式AI+醫療解決方案提供了堅實基礎。

以下介紹了病理AI技術、「智慧顯微鏡」研究專案背景，及「騰訊覓影」在醫療影像方面的可喜進展，由騰訊AI Lab AI+醫療專家姚建華博士與AI+病理專家韓驍博士分享。因篇幅需要，全文有刪節。

病理AI分析與智慧顯微鏡

常見病理診斷工具簡介

醫生病理診斷的主要方式是觀察切片，將其放大40到400倍後，觀察細胞形態和組織結構作出診斷。病理顯微鏡和數字病理掃描器是醫生最常用的工具。

顯微鏡有三百多年曆史，醫生能熟練使用，價格也較低。但其侷限性有：一是視野小，醫生從目鏡中每次只能看到切片上很小的區域性，要切換多個視野，並將其關聯才能得到整體診斷；二是影象沒有數字化，不能用AI演算法讀取。

智慧顯微鏡及測試功能簡介

智慧顯微鏡突破了傳統顯微鏡的侷限，以前是被動使用，現在轉為主動輔助醫師，如通過計算機視覺去幫助醫生，從簡單但繁瑣的細胞計量，到困難且複雜的癌症型別辨識及區域精準劃分。同時利用語音識別讓醫生與智慧顯微鏡進行流暢人機互動。最後通過自然語言處理技術協助最後的病理報告生成。

讀片時，醫生只需給出語音指令，AI就能自動閱片、自動採集影象，並輔助醫生診斷；醫生閱片完成後，給出「生成報告」指令，智慧顯微鏡就能將顯微鏡截圖和診斷結果填入報告模板，自動生成報告，讓醫生複核結果和釋出報告，使原本最費事的報告生成環節變得又快又省心。

智慧顯微鏡技術模組介紹

病理AI分析是未來的研究發展方向

病理分析是診斷、預後分析和指導癌症治療的黃金標準。在中國，2017年需約12萬名病理醫生，但經過訓練的病理醫生只有不到2萬名，這個差距還在逐年增大，因而病理科醫生人員配備緊缺，任務繁重。將病理切片數字化，並用AI演算法輔助分析，有助於緩解病理醫生不足的狀況，是AI+醫療的未來趨勢。此外，基礎病理AI的研究更能在三方面推進病理AI的能力——

1、基於AI的病理診斷模型：可提高診斷效率，提高微小病變和疑難病例識別能力；

2、基於AI的病理預後預測模型：如預測五年總生存率、五年無疾病生存率和五年無遠處轉移生存率；

3、病理組學：從病理資料中提取特徵，定量化分析及挖掘病理特徵和診療的關聯性。

第一種讓醫生「如虎添翼」，做得更快更好，後兩種讓醫生「衝雲破霧」，突破原有難關。

演示一：有絲分裂細胞檢測

有絲分裂細胞計數測量癌細胞的活躍度，是癌症診斷分級的重要指標。

在傳統顯微鏡下，這是非常繁瑣的過程——醫生要在高倍鏡下觀察10個不同區域，準確識別出有絲分裂細胞，然後統計其個數。在智慧顯微鏡下，醫生移動到目標區域時，只需給出「有絲分裂」這個簡單的語音指令，AI演算法能自動識別、檢測和統計該區域結果，馬上顯示到醫生所看的目鏡視野中。一個區域完成後，醫生可移動到新視野，重複語音指令，AI會更新結果。

演示二：免疫組化定量分析——以Ki-67染色切片為例

免疫組化是應用抗原-抗體結合的原理，在病理切片上通過特殊染色來測量組織中特定蛋白的表現，能在分子或基因層面提供更精準的癌症診斷。

以Ki-67染色切片為例，它能幫助判斷癌症細胞的增殖指數。在傳統顯微鏡下，病理醫生需數出染成棕色（陽性）的癌細胞個數及癌細胞在切片上的佔比。而在智慧顯微鏡下，醫生只需給出「Ki-67」這一語音指令，AI就自動完成細胞計數和佔比計算。

演示三：癌症區域監測——以淋巴結切片為例

淋巴結是癌症擴散或轉移常見的途徑。醫生可檢查癌症區域附近的淋巴結情況，來確認癌症分期（TNM分期），再決定之後的治療方案。

在傳統顯微鏡下，使用低倍鏡時，醫生容易漏掉小的癌症區域，而使用高倍鏡則非常耗時。在智慧顯微鏡下，醫生只需給出「區域檢測」語音指令，AI會識別可疑癌症區域，精確估計該區域大小，實時將結果顯示到醫生所看的目鏡視野中，避免遺漏。

演示四：輔助診斷流程——以息肉分類為例

智慧顯微鏡還能輔助醫生完成一個整體診斷流程，並自動生成診斷報告。

在結直腸鏡篩查時，發現息肉一般要切下來做病理診斷，確定其良惡性和具體病變類別（腺瘤、腺癌等）。若是良性只需隨訪，惡性需及時做手術。

使用人工診斷篩查時，有經驗和年輕的醫生間可能會結果差異較大，診斷結果主觀性強。而經過大量專家資料訓練的AI，可提高診斷一致性。在智慧顯微鏡下，醫生只需給出「息肉分類」語音指令，AI就能自動閱片、自動採集影象，並輔助醫生診斷。醫生閱片完成後，給出「生成報告」指令，AI自動生成報告，供醫生複核結果和釋出報告。

「騰訊覓影」與醫療影像篩查案例

一般診斷流程包括醫療影像篩查、病理分析、規劃治療和術後康復與追蹤等四大環節。在「醫學影像篩查」領域，騰訊的AI醫學解決方案專家——「騰訊覓影」，取得了良好進展。它利用AI醫學影像分析輔助醫生篩查食管癌、肺結節、糖尿病視網膜病變、結直腸腫瘤、乳腺癌、宮頸癌等疾病，以及利用AI輔診引擎輔助醫生對700多種疾病風險進行識別和預測。

騰訊醫療AI產品落地情況

騰訊覓影已與國內100多家頂級三甲醫院達成合作，通過共建人工智慧聯合醫學實驗室的形式，推進AI在醫療領域的研究和應用。截至2018年10月，它已上線全國100餘家三甲醫院，累計輔助醫生閱讀醫學影像超1億張，服務超百萬患者，提示高風險病變15萬例。同時，在輔助醫生進行病例分析方面，就單家醫院來看，已輔助醫生累計分析門診病例700萬份，提示高風險17萬次，有效輔助臨床醫生提升診斷準確率和效率。

AI預問診輔助診斷系統

這個系統先利用醫學書籍文獻和過往病歷建立醫學知識圖譜，建造知識推理模型和深度學習模型，把患者病史和病情與知識圖譜連線起來，得出可能疾病判斷，並給出結構化診斷報告和推薦治療方案。目前預問診輔助診斷系統已經可以覆蓋大約700種常見病（WHO30000種疾病），這個輔診系統根據病情病史的輸入，給出患某種疾病的可能性。現有系統的準確率可以達到Top3病種 93%，Top5病種可達96%。

醫學影像案例 - 結直腸癌檢測篩查

結直腸癌是5大惡性腫瘤之一，每年新發病例超過120萬，而且發病率逐年升高。和大多數癌症一樣，早期診斷治療很關鍵，據統計早期結直腸癌的術後5年生存率可達90%，區域性進展期也可達70%，但到了晚期就不足10%。因此世界衛生組織建議50歲以後人群每5年做一次篩查。結直腸癌的主要檢查方式是消化道內窺鏡。

結直腸癌篩查

騰訊AI Lab的演算法基於深度學習，將影象分割成小塊，在每塊上計算息肉的可能性，然後綜合起來定位息肉。另外還訓練分類器來區分腺癌和腺瘤。AI演算法可以實現在醫生檢查過程中的實時視訊流診斷。臨床使用中，當醫生在使用內窺鏡的時候，AI演算法在後臺實時檢測息肉，並提醒醫生注意。技術特點是實時出結果，需速度快，對演算法要求高。其中息肉定位的準確率可達96.93%、區分腺癌97.2%。

結直腸癌篩查演算法

醫學影像案例 - 乳腺癌早期篩查

乳腺癌是女性最常見的惡性腫瘤，其發病率逐年上升，這種趨勢在中國更為嚴重。2012年我國乳腺癌的發病率僅佔全球的11.2%，到了2030年將增加到29.8%。乳腺癌檢測的一個主要方式是乳腺鉬靶。這是一種利用X光的檢測方式，簡便而且對患者無創。因為是X光投影，組織相互重疊，在鉬靶上區分正常腺體和疑似病灶需要豐富的經驗。

騰訊AI Lab的演算法框架是：一個多視窗的深度學習網路，將左右乳腺的CC和MLO投影同時輸入網路。訓練了三個不同的模型來分別做腫塊檢測，鈣化檢測和良惡性判斷。還設計了難例挖掘和演算法迭代流程以提高效能。醫生檢查演算法結果並反饋給模型進行進一步優化。在最新產品裡，在每張0.2個假陽下，檢測鈣化的敏感度是99%，惡性腫塊敏感度90%，良惡性敏感度和特異度分別是87%和96%，已達到或超過普通醫生的水平。

乳腺癌早期篩查演算法