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。
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。
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。
