騰訊AI Lab釋出「智慧顯微鏡」，開始佈局病理分析領域
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，及增強現實（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。
ofollow,noindex" target="_blank">產業 騰訊AI Lab 醫療 醫療影像 語音識別 人機互動 計算機視覺 自然語言處理
相關資料
Artificial Intelligence
在學術研究領域，人工智慧通常指能夠感知周圍環境並採取行動以實現最優的可能結果的智慧體（intelligent agent）
來源： Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.
Augmented reality
增強現實，是指透過攝影機影像的位置及角度精算並加上影象分析技術，讓螢幕上的虛擬世界能夠與現實世界場景進行結合與互動的技術。這種技術於1990年提出。隨著隨身電子產品運算能力的提升，增強現實的用途也越來越廣。
來源： 維基百科
Computer Vision
計算機視覺（CV）是指機器感知環境的能力。這一技術類別中的經典任務有影象形成、影象處理、影象提取和影象的三維推理。目標識別和麵部識別也是很重要的研究領域。
來源：機器之心
Human-computer interaction
人機互動，是一門研究系統與使用者之間的互動關係的學問。系統可以是各種各樣的機器，也可以是計算機化的系統和軟體。人機互動介面通常是指使用者可見的部分。使用者通過人機互動介面與系統交流，並進行操作。小如收音機的播放按鍵，大至飛機上的儀表板、或是發電廠的控制室。
來源： 維基百科
Planning
人工智慧領域的「規劃」通常是指智慧體執行的任務/動作的自動規劃和排程，其目的是進行資源的優化。常見的規劃方法包括經典規劃（Classical Planning）、分層任務網路（HTN）和 logistics 規劃。
來源：機器之心
Speech Recognition
自動語音識別是一種將口頭語音轉換為實時可讀文字的技術。自動語音識別也稱為語音識別(Speech Recognition)或計算機語音識別(Computer Speech Recognition)。自動語音識別是一個多學科交叉的領域，它與聲學、語音學、語言學、數字訊號處理理論、資訊理論、電腦科學等眾多學科緊密相連。由於語音訊號的多樣性和複雜性，目前的語音識別系統只能在一定的限制條件下獲得滿意的效能，或者說只能應用於某些特定的場合。自動語音識別在人工智慧領域佔據著極其重要的位置。
推薦文章
