騰訊優圖：在解決肺癌和糖網病難題上，我們用了這些手段

雷鋒網按：騰訊於近期發布的醫學AI產品騰訊覓影，包含了6個人工智慧系統，涉及的疾病有食管癌、肺癌、糖網病、宮頸癌和乳腺癌。

騰訊優圖高級研究員孫星以肺癌識別和糖尿病視網膜病變的篩查技術為例，講述了優圖實驗室在這兩大領域的研究狀況。

孫星首先談到，對比中、美、英三國的肺癌發生率和死亡率就會發現，國內肺癌發生率其實低於英、美，但死亡率卻已超過英美，反映出中國肺癌致死率很高。一個重要原因是，當診斷出患者有肺癌後，70%已到中晚期，錯過了最佳診斷和治療時間。

因此肺癌早篩在國內是一件刻不容緩、繼續解決的任務。

早篩是減少肺癌死亡率的重要手段，癌症早起多表現為肺部結節。

這些肺部結節的尺寸往往非常小、對比度很低、抑制化特別高，因此篩查工作都是由影像科專家去完成。但每個病人肺部CT的掃描圖片數目經常會超過200層，因此當遇到大量病者，人工閱片越來越耗時、耗力。

另一方面，微小肺部結節在影像學的表現可能與其他組織或部位產生混淆，比如和一些毛細血管、結核、假瘤混淆，也會影響到醫生的判斷。

騰訊優圖實驗室希望幫助醫生能夠儘快、儘早去檢測出肺結節的區域，同時協助醫生做更準確的判斷。

騰訊優圖在肺癌識別的核心演算法首先進行預處理。

孫星談到，當得到一些脫敏肺部CT影像後，會提取其中的一個胸腔區域。在3D上分割出這塊胸腔區域，然後利用圖像識別傳遞出肺部的3D數據，經過圖像增強演算法，增強肺部區域中肺結節位置的對比度，從而更好地幫助做肺癌早期的篩查工作。

這種方法的主要優勢在於，通過三維分割和重建，處理不同成像設備產生的不同成像圖片。

AI影像團隊不可避免這種情況：有些醫院的CT設備比較先進，它拍一次CT可產生200層甚至更多切片，精度很高。但在很多設備比較落後的基層醫院，拍一次CT，往往可能只有40-50層。

因此，對於不同的設備，優圖的演算法也有著較強的適應性。

另外，優圖團隊的核心演算法不同於傳統醫學圖像處理方法，我們通過端到端一體化肺癌分類演算法，輸入已經處理好的3D肺部圖像，預估肺結節的大致位置。通過提取這些肺結節位置，再考慮整個病人肺部的全局信息，從而更好地判斷病人患有肺癌的風險。

多尺度、多任務的3D卷積神經網路是幫助實現早期微小肺結節檢測的核心技術，這項技術既可協助我們關注到微小結節局部區域的特徵信息，同時又可結合患者在整個肺部的全局信息，做出更好的預測。

除了核心技術外，更重要的就是數據。

孫星繼續談到，優圖從各個數據集中精心收集了兩個非常重要的數據集。

一個是擁有肺結節檢測標籤的數據集，利用有超過4000例患者的數據，超過30萬張CT影像，而且均有醫生在肺結節區域的標註，這些大量標註信息可幫助我們更好識別出肺結節的位置。

但光有這些標註過的肺結節數據還不夠，因為我們知道再好的醫生都會存在誤判的情況，而且這批數據大部分由普通醫生標註。

為此，我們增加了一個新的肺癌診斷資料庫，有超過1300例病人樣本，每個樣本都有病人的病理診斷結果或隨訪結果，以保證這是一個精標準的數據。

優圖團隊通過把自己的演算法、大量人工標註數據和少量高精度標準數據相結合，最終做出超過普通醫生水平的標準。

在肺結節檢測的資料庫方面，騰訊優圖團隊大部分數據均為35毫米以下的小結節，與早篩目的相符合。在這些數據里，10毫米以下的小結節佔75%，使得訓練的模型可更具針對性地去解決那些微小結節產生的問題。

同時，除了剛剛收集的一些資料庫外，騰訊還進行多中心合作，得到國內不少臨床實驗數據，更加了解中國人的肺，做好肺癌的早期篩查工作。

三個不同的數據集都有一個良惡性的細分標籤，比如良性裡面會有炎性假瘤、肺結核等。

惡性也會有一些鱗癌、腺癌、小細胞癌，這些細分的標籤幫助演算法需要有更強的泛化能力，同時也可更到位地解決一些疑難雜症中的問題。比如在一些基層醫院，之前都沒碰到過的一些疑難雜症，在我們的演算法里已經被很好地訓練過。

在具體的成果上，優圖團隊在早期肺癌上的準確率可達80%，在良性結核的準確率也可達84%。在部分疑難雜症、比較難判斷的情況下，已經超過普通醫生的平均水平。

後續優圖的醫療AI也將在本月和多家三甲醫院合作落地，如廣東省人民醫院、廣東省第二人民醫院。

除了肺癌篩查，孫星也簡單介紹了他們團隊在糖尿病視網膜篩查的工作。

孫星介紹到，2015年國際糖尿病聯盟發現有4億多的成人患有糖尿病。預計2040年，將會高達6.4億，其中高達30%-50的糖尿病患者都會患有糖尿病視網膜病變，其中患有糖尿病視網膜病變中有一成的患者將會面臨失明的風險，人群數很有可能高達2500萬人。

從上述的數據顯示，糖網是一個非常嚴重的問題，對於成年人來說，糖網也是第一大致盲因素，接近四分之三的10年糖尿病患者都會患有糖網。

雖然問題嚴峻，但是值得慶幸的是，如果糖網在早期能夠被檢測出來，也有95%的希望去阻止失明的發生。所以對於糖尿病視網膜病變來說，早篩工作非常重要。

優圖實驗室現在主要給糖網分為5期，第一是沒有病變，然後是輕度病變、中度病變、重度病變、增殖性病變、目前沒有細分的病變。

但是如果真正做到早篩，對於醫生來說具有一定的難度。

為此，優圖專門找了一些開源數據集，收集3萬張有標籤的眼底數據，隨機分割，把它分為80%的訓練集和20%的驗證集，通過一體化視網膜病變的網路，在訓練集和驗證集都得到了超過95%的準確率。

這裡存在兩個情況，一個是我們會認真判斷正常和患病的情況，它的橫坐標代表的是一個患病樣本的誤檢率，縱坐標是一個正常樣本的召回率。

現在在1%誤檢率的情況下，可達到90%正常樣本的召回率。而對於非增殖和增殖眼底的大樣本情況，也可以達到很高的準確率。同樣，優圖實驗室也收集了一批臨床實驗的數據去驗證演算法，患病的召回率可達到近96%的水平，對於非增殖的和增殖的演算法準確度也達73%。

騰訊優圖作為AI基礎研究團隊，從跨界的角度講，在這兩大醫學領域無疑取得了較好的成績，但後面的路仍道阻且長。

雷鋒網也發現，市場上絕大多數初創影像公司都在做肺結節和眼底方向的研究。

科大訊飛智慧醫療事業部總經理陶曉東曾向雷鋒網透露，在肺結節這塊雖然大家都在說自己有著百分之九十幾的準確率，但首先要問個問題，為什麼大家都在做肺結節？這實際上可以反映出一個現狀：大家的創新能力還不夠，而且大家能夠得到的資源都很相似，因為肺部CT公開的數據最多。

除此之外，智能影像診斷到臨床還有非常長的路要走。

廣東省人民醫院放射科劉再毅教授談到，要真正應用在臨床，需要解決它的精度、實用範圍和政策等問題，如果要政策批准，必須經過臨床試驗驗證，耗資會很巨大。

很多研究員和影像科醫生也針對這個問題發表了自己的看法：即便技術能達到99.99%，那萬一不幸的是，某個病人正好是那0.01%，最後是醫生來負責，還是AI來負責，這也是一個很重要的課題。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！