最近，AlphaGo 2.0接連戰(zhàn)勝柯潔的消息不斷刷爆朋友圈，人工智能將最聰明的人類棋手?jǐn)芈漶R下已經(jīng)是不爭(zhēng)的事實(shí)，所有信號(hào)都在顯示奇點(diǎn)正在來臨。如果說比賽炫技和泛娛樂的成份更多，那么AI在醫(yī)療領(lǐng)域中的突破則真正將人工智能帶入更廣闊的生命科學(xué)領(lǐng)域，成為造福全人類的新動(dòng)力。

早在2016年年中，恒揚(yáng)數(shù)據(jù)就開始對(duì)機(jī)器學(xué)習(xí)進(jìn)行預(yù)研。經(jīng)過半年的準(zhǔn)備和調(diào)研，2017年初公司正式組建團(tuán)隊(duì)成立了恒揚(yáng)機(jī)器學(xué)習(xí)實(shí)驗(yàn)室，并將目標(biāo)鎖定通過機(jī)器視覺CNN卷積神經(jīng)網(wǎng)絡(luò)協(xié)助病理醫(yī)生完成對(duì)數(shù)字病理切片的智能化診斷。

公開資料顯示，隨著腫瘤發(fā)病率的快速上升，病理診斷在臨床醫(yī)學(xué)上的作用越來越重要。在國(guó)外，人們將病理醫(yī)生稱為“醫(yī)生中的醫(yī)生”，病理結(jié)果是癌癥最終確診的“金標(biāo)準(zhǔn)”。然而在我國(guó)，現(xiàn)狀卻令人尷尬，病理醫(yī)生數(shù)量嚴(yán)重不足，據(jù)國(guó)家衛(wèi)計(jì)委統(tǒng)計(jì)數(shù)據(jù)顯示，全國(guó)注冊(cè)職業(yè)病理醫(yī)師只有約9800人，這意味著每14萬(wàn)人中才有1名病理科醫(yī)生，缺口達(dá)到4-9萬(wàn)人。

更令人深感憂慮的是，病理醫(yī)生并不受重視，網(wǎng)上對(duì)病理醫(yī)生的流行說法是“位輕錢少責(zé)任重”，這樣造成的結(jié)果是病理醫(yī)生大量流失，病理診斷含金量不足，二甲醫(yī)院初診符合率35%，市級(jí)醫(yī)院37%，縣級(jí)醫(yī)院25%。

計(jì)算機(jī)視覺領(lǐng)域的突破為病理輔助診斷帶來曙光

隨著醫(yī)療影像數(shù)字化的普及以及計(jì)算機(jī)視覺領(lǐng)域的創(chuàng)新和突破，人工智能給病理領(lǐng)域帶來了顛覆性變革，所帶來的生產(chǎn)力革命將徹底改變病理從業(yè)者的工作現(xiàn)狀。

恒揚(yáng)機(jī)器學(xué)習(xí)實(shí)驗(yàn)室主任陳龍森表示，降低工作負(fù)荷以及迅速提高診斷含金量是病理學(xué)界首要解決的問題。一方面，在很多實(shí)際的病理工作中，如結(jié)核桿菌、癌細(xì)胞分裂計(jì)數(shù)等工作，難度不大，但很花時(shí)間，看一張片子要花費(fèi)病理醫(yī)生半個(gè)小時(shí)到一個(gè)小時(shí)的時(shí)間，不但浪費(fèi)了大量寶貴時(shí)間資源，而且很容易造成病理醫(yī)生視覺疲勞，導(dǎo)致誤診漏診。另一方面，培養(yǎng)一個(gè)可獨(dú)立出報(bào)告的病理醫(yī)生需要10年左右的時(shí)間，真正有經(jīng)驗(yàn)的醫(yī)生要在看過幾萬(wàn)張片子后才能達(dá)到專家級(jí)水平，國(guó)內(nèi)現(xiàn)在這樣的病理醫(yī)生極為稀缺，大多數(shù)基層醫(yī)院病理醫(yī)生的診斷水平還有待提升。

機(jī)器不需要休息，不會(huì)感到疲勞，用機(jī)器來幫助醫(yī)生分擔(dān)一些工作負(fù)荷是緩解病理醫(yī)生緊缺極好的方法。人工智能病理輔助診斷系統(tǒng)通過將深度學(xué)習(xí)CNN卷積神經(jīng)網(wǎng)絡(luò)算法與強(qiáng)大的GPU運(yùn)算平臺(tái)相結(jié)合，可快速地分析、提取出數(shù)字病理切片中的病灶特征、并進(jìn)行位置標(biāo)注和量化記數(shù)，協(xié)助病理醫(yī)生高效地完成疑似病癥的預(yù)判和診斷。

與培養(yǎng)病理醫(yī)生類似，進(jìn)行人工智能病理輔助診斷需要分成訓(xùn)練和診斷兩個(gè)階段。在訓(xùn)練階段，需要給機(jī)器喂食大量的已知數(shù)據(jù)。在數(shù)字病理圖片上標(biāo)注正常和病變組織，就是訓(xùn)練診斷系統(tǒng)的知識(shí)，或稱標(biāo)注數(shù)據(jù)。通過對(duì)數(shù)千張標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練，人工智能病理輔助診斷系統(tǒng)能夠具備與專家相媲美的診斷能力。

陳龍森介紹，與B超、核磁、CT、PET等醫(yī)學(xué)影像診斷相比，人工智能病理診斷更加復(fù)雜，一張病理全片有1-2G大小，包含大約10萬(wàn)個(gè)細(xì)胞，而且由于前期制片原因，病理切片的色彩歸一化問題，后期泛化等問題都更難解決，目前，恒揚(yáng)已經(jīng)在結(jié)合抗酸桿菌、腸癌、前列腺癌等一系列病理診斷上有了模型積累，我們相信，用機(jī)器來幫助醫(yī)生分擔(dān)一些工作負(fù)荷很快就會(huì)實(shí)現(xiàn)。我們的目標(biāo)是讓每個(gè)醫(yī)生的眼睛看得更遠(yuǎn)、更準(zhǔn)。對(duì)此，陳龍森信心滿滿。