腾讯 AI Lab 今日在南京举办的“腾讯全球合作伙伴大会”上宣布，其AI+医疗领域研究已抢先从影像筛查进入病理分析阶段，相关的“智能显微镜”项目已在研发测试阶段。
智能显微镜融入了人工智能（AI）的视觉、语音、自然语言处理技术，及增强现实（AR）技术，医生轻松输入语音指令，AI就能自动识别、检测、定量计算和生成报告，并将检测结果实时显示到医生所看目镜中，及时提醒又不打断医生阅片流程，能提高医生的诊断效率和准确度。
一般诊断流程包括医疗影像筛查、病理分析、规划治疗和术后康复与追踪等四大环节。腾讯的目标，是打造一个能覆盖诊疗全流程的AI产品。在医疗影像筛查上，“腾讯觅影”已取得可喜进展，目前上线全国100余家三甲医院，辅助医生阅读影像超1亿张，服务超百万患者，提示高风险病变15万例。现在进入病理分析阶段，为公司打造全栈式AI+医疗解决方案提供了坚实基础。
以下介绍了病理AI技术、“智能显微镜”研究项目背景，及“腾讯觅影”在医疗影像方面的可喜进展，由腾讯AI Lab AI+医疗专家姚建华博士与AI+病理专家韩骁博士分享。因篇幅需要，全文有删节。
病理AI分析与智能显微镜
常见病理诊断 工具 简介
医生病理诊断的主要方式是观察切片，将其放大40到400倍后，观察细胞形态和组织结构作出诊断。病理显微镜和数字病理扫描仪是医生最常用的工具。
显微镜有三百多年历史，医生能熟练使用，价格也较低。但其局限性有：一是视野小，医生从目镜中每次只能看到切片上很小的局部，要切换多个视野，并将其关联才能得到整体诊断；二是图像没有数字化，不能用AI算法读取。
智能显微镜及测试功能简介
智能显微镜突破了传统显微镜的局限，以前是被动使用，现在转为主动辅助医师，如通过计算机视觉去帮助医生，从简单但繁琐的细胞计量，到困难且复杂的癌症类型辨识及区域精准划分。同时利用语音识别让医生与智能显微镜进行流畅人机交互。最后通过自然语言处理技术协助最后的病理报告生成。
读片时，医生只需给出语音指令，AI就能自动阅片、自动采集图像，并辅助医生诊断；医生阅片完成后，给出“生成报告”指令，智能显微镜就能将显微镜截图和诊断结果填入报告模板，自动生成报告，让医生复核结果和发布报告，使原本最费事的报告生成环节变得又快又省心。
智能显微镜技术模块介绍
病理AI分析是未来的研究发展方向
病理分析是诊断、预后分析和指导癌症治疗的黄金标准。在中国，2017年需约12万名病理医生，但经过训练的病理医生只有不到2万名，这个差距还在逐年增大，因而病理科医生人员配备紧缺，任务繁重。将病理切片数字化，并用AI算法辅助分析，有助于缓解病理医生不足的状况，是AI+医疗的未来趋势。此外，基础病理AI的研究更能在三方面推进病理AI的能力
1、基于AI的病理诊断模型：可提高诊断效率，提高微小病变和疑难病例识别能力；
2、基于AI的病理预后预测模型：如预测五年总生存率、五年无疾病生存率和五年无远处转移生存率；
3、病理组学：从病理数据中提取特征，定量化分析及挖掘病理特征和诊疗的关联性。
第一种让医生“如虎添翼”，做得更快更好，后两种让医生“冲云破雾”，突破原有难关。
演示一：有丝分裂细胞检测
有丝分裂细胞计数测量癌细胞的活跃度，是癌症诊断分级的重要指标。
在传统显微镜下，这是非常繁琐的过程——医生要在高倍镜下观察10个不同区域，准确识别出有丝分裂细胞，然后统计其个数。在智能显微镜下，医生移动到目标区域时，只需给出“有丝分裂”这个简单的语音指令，AI算法能自动识别、检测和统计该区域结果，马上显示到医生所看的目镜视野中。一个区域完成后，医生可移动到新视野，重复语音指令，AI会更新结果。
演示二：免疫组化定量分析——以Ki-67染色切片为例
免疫组化是应用抗原-抗体结合的原理，在病理切片上通过特殊染色来测量组织中特定蛋白的表现，能在分子或基因层面提供更精准的癌症诊断。
以Ki-67染色切片为例，它能帮助判断癌症细胞的增殖指数。在传统显微镜下，病理医生需数出染成棕色（阳性）的癌细胞个数及癌细胞在切片上的占比。而在智能显微镜下，医生只需给出“Ki-67”这一语音指令，AI就自动完成细胞计数和占比计算。
演示三：癌症区域监测——以淋巴结切片为例
淋巴结是癌症扩散或转移常见的途径。医生可检查癌症区域附近的淋巴结情况，来确认癌症分期（TNM分期），再决定之后的治疗方案。
在传统显微镜下，使用低倍镜时，医生容易漏掉小的癌症区域，而使用高倍镜则非常耗时。在智能显微镜下，医生只需给出“区域检测”语音指令，AI会识别可疑癌症区域，精确估计该区域大小，实时将结果显示到医生所看的目镜视野中，避免遗漏。
演示四：辅助诊断流程——以息肉分类为例
智能显微镜还能辅助医生完成一个整体诊断流程，并自动生成诊断报告。
在结直肠镜筛查时，发现息肉一般要切下来做病理诊断，确定其良恶性和具体病变类别（腺瘤、腺癌等）。若是良性只需随访，恶性需及时做手术。
使用人工诊断筛查时，有经验和年轻的医生间可能会结果差异较大，诊断结果主观性强。而经过大量专家数据训练的AI，可提高诊断一致性。在智能显微镜下，医生只需给出“息肉分类”语音指令，AI就能自动阅片、自动采集图像，并辅助医生诊断。医生阅片完成后，给出“生成报告”指令，AI自动生成报告，供医生复核结果和发布报告。
产业 腾讯AI Lab 医疗 医疗影像 语音识别 人机交互 计算机视觉 自然语言处理
相关数据
Artificial Intelligence
在学术研究领域，人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体（intelligent agent）
来源： Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.
Augmented reality
增强现实，是指透过摄影机影像的位置及角度精算并加上图像分析技术，让屏幕上的虚拟世界能够与现实世界场景进行结合与互动的技术。这种技术于1990年提出。随着随身电子产品运算能力的提升，增强现实的用途也越来越广。
来源： 维基百科
Computer Vision
计算机视觉（CV）是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。
来源：机器之心
Human-computer interaction
人机交互，是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器，也可以是计算机化的系统和软件。人机交互界面通常是指用户可见的部分。用户通过人机交互界面与系统交流，并进行操作。小如收音机的播放按键，大至飞机上的仪表板、或是发电厂的控制室。
来源： 维基百科
Natural language processing
自然语言处理（英语：natural language processing，缩写作 NLP）是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言；自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。
来源： 维基百科
Planning
人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度，其目的是进行资源的优化。常见的规划方法包括经典规划（Classical Planning）、分层任务网络（HTN）和 logistics 规划。
来源：机器之心
Speech Recognition
自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域，它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性，目前的语音识别系统只能在一定的限制条件下获得满意的性能，或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
猜你喜欢:
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
