騰訊高級工程師顏克洲：如何用AI技術解決乳腺癌難題

近日，騰訊架構平台部的高級工程師顏克洲向外介紹了騰訊AI lab在乳腺癌的病例圖像識別以及鉬靶識別方面的研究進展。

為什麼選擇乳腺癌這個方向？

他說，對於中國女性群體來說，乳腺癌是發病率最高的惡性腫瘤之一。據相關數據統計，我國每10萬人中就有40多個人罹患乳腺癌。基於此，騰訊AI lab發力該領域，希望能夠利用技術攻破治療難題，以惠及更多普通人群。

雷鋒網了解到，在乳腺癌的檢查及研究方面，騰訊AI lab選擇了兩個具體方向。一、鉬靶；二、病理學。

對於鉬靶來說，它是一種非常常見的篩查手段，它能夠普惠到基層醫院。但目前很多醫生在鉬靶方面的研究和熟悉程度有所欠缺。因此，騰訊AI lab希望可以藉助AI技術，幫助到基層醫院的一些醫生在鉬靶方面做一些提升。

對於病理學檢查方向。在顏克洲看來，該方向用計算機處理會比人類更加適合。病理學研究「區域」非常廣泛，它可能有10萬×10萬個小細胞。如果依靠醫生肉眼去看，全是密密麻麻的小細胞，這將是個非常痛苦且有巨大挑戰的過程；如果用計算機去執行就會變得相對簡單，它就可以將這些細胞進行拆分，做高並發研究。

在病理學圖像的識別上，騰訊AI lab將其分為兩個步驟。

一、在手術中或者手術後，將病人的淋巴結切下，觀察癌細胞的位置及大小；

二、然後對此癌細胞進行組織學分析。組織學分析是將癌變的組織切下來，觀察它的分化程度，然後來確定方案。

據顏克洲介紹，騰訊AI lab早期就做過淋巴結切片的分析。對於這個切片，從病理學圖片的識別來看存在一些難點。

• 醫學上的病理切片分析需要的是波片掃描的數據，但是目前該數據量非常少，因為它需要把整個波片全部數字化。如今很多醫院都還沒有普及數字病理機；另外，很多醫生由於在醫學院從一開始接觸的就是顯微鏡，因此他們比較抵觸使用這些機器。其實使用數字病理機只是把原先用顯微鏡看到的東西數字化而已。

• 該切片是張超級大型的圖片，達到了10萬×10萬像素，這無論是對於人還是計算機來說，對此圖片做識別和分析都有一定難度及挑戰。

• 細胞形態非常類似。癌細胞與淋巴結上的一些巨噬細胞在形態上非常相象，但這兩類細胞與普通的淋巴結細胞又有比較大的區別。

針對以上三個難點，騰訊AI lab提出了相應解決方案。

• 對於醫療機器的應用難題，後期可以給機器增加一些輔助功能。比如說能夠幫助醫生大概預估治療結果等，這也許會逐步提升醫生對於這些機器的好感；

• 對於超大型圖片，可以化整為零，把它切成了多個patch去做分析；

• 而對於細胞形態，可以採用多數據融合的方式去分析，這個過程可以分為三個部分。

首先做一個淺處理，把切片中有用的部分全部切出來；

再者是進行分類。由於癌細胞與巨噬細胞非常相像，騰訊AI lab採用了一種激活的訓練手段訓練了兩種網路：第一個是普通的正常和癌變細胞的網路；第二個是針對巨噬細胞跟癌變的一個有特別分辨能力的網路；之後又將這兩個網路用一個權重進行融合得到細胞病變的概率。

得到概率之後，可以利用病灶膨脹閥過濾掉一些傳統的計算機識別的特徵，包括細胞核個數、假陽性的組織等等；然後再融合它原本的一些計算機視覺的特徵。比如說這個小片裡面細胞的密度以及細胞的一些顏色的浮動，這些信息最終用一個概率圖模型來輸出，緊接著處理成一張熱力圖；形成熱力圖之後，經過一些降噪的手段將其變得更加精確；最後把它的病灶點進行聚類，再確定病灶大小，給它進行N分級。

雷鋒網了解到，在最近的一次對於甲狀腺的研究實驗中，它的病灶召回率在0.83左右，而人類的水平大概在0.7左右。

接下來顏克洲還介紹了一下騰訊AI lab在鉬靶圖像識別上的一些進展。他表示，騰訊AI lab之前對眾多醫生進行了一些調研，在鉬靶圖像這塊總結出兩個痛點：

一、醫生很容易漏掉癌症的病變組織，也許是根本沒有找到；

二、找到一塊病灶組織，但分不清楚它的良/惡性概率是多少。

顏克洲向雷鋒網透露，騰訊AI lab有嘗試去解決這些痛點，但發現其中也存在一些難點。

• 沒有大量的數據和標註去訓練神經網路。

• 這類圖片與普通圖片不太一樣，用普通的神經網路演算法在醫學中應用不太可行。

• 鉬靶圖片有其特殊之處——同病理。在鉬靶圖像識別率這個領域，單看一張圖根本不知道患者有什麼疾病。醫生診斷的時候通常會對比患者的左胸和右胸圖片，它的組織是基本對稱的，最後來確定患者到底是不是有問題。

針對這三大難題，騰訊AI lab也做了一些探索。

數據獲取方面。在數據不夠的情況下，機器很大程度上在學習醫生在平時診斷時的做法。它將醫生的辦法抽象成一個數學方法，利用醫生的知識把一些可疑的病灶進行判斷，然後將這些知識提取出來，應用到神經網路中去進行輔助分析。

設計專門的醫用神經網路，針對非標準圖片去做。

模仿醫生看片的流程，在方法上做了多圖對比的一個過程。

實現框架主要也有三大塊：

利用NLP把標籤拿到。利用NLP技術把病人的鉬靶報告和病理報告拿到以後，提取它的標籤，然後利用這些標籤對整圖做訓練。

做全處理。對於此步驟，騰訊AI lab會重點根據醫生的一些相應知識去做處理。

拿到label和image後，再結合與醫院拿到的一些數據標記，做神經網路訓練，最後分辨它屬不屬於癌細胞。

這其中也包含三個過程：

• 第一步是把鉬靶報告和病理報告裡面的結構化信息利用NLP技術提取出來；然後用計算機視覺的方法找到一些疑似的病灶（當然這些病灶不一定是真正有用的病灶，或者是真正癌變的病灶，但是至少可以大大縮減分析範圍），把無用的一些地方去掉；再者用計算機語言來找到它的ROI，找到這些ROI以後，後面在做神經網路的分類或者訓練就會相對容易得多。

• 第二步是進行多圖對比。將兩張圖片利用醫學圖像的技術做對齊；對齊以後再做一個差分；差分完了以後，再將結果返回到剛才的第一步做循環，去找到那個關鍵的、感興趣的組織。

• 第三步也是最關鍵的步驟，拿到了ROI以後，將它放到神經網路裡面去訓練，訓練它是或者不是癌變細胞，但是正如前面所言，其實目前的標註量用來訓練神經網路是遠遠不夠的。因為神經網路的訓練一定是需要成千上萬張這樣的一個級別，因此一定要融入一些其他的醫學知識。

融入哪些醫學知識呢？

一、一些計算機視覺特徵的知識。將病灶放到神經網路裡面去，其實會丟失很多特徵。比如說在原圖位置的特徵、大小特徵、毛刺特徵等等。然後將這些特徵用另外一條通路把它描述出來；

二、醫生在給患者做診斷時所依賴的一些特徵。值得注意的是，還要對患者的年齡、性別、以及既往病史作了解並進行處理，最後用概率圖模型將這些特徵做融合，得到良/惡性的概率。

顏克洲補充說，騰訊AI lab目前在研究良/惡性病灶方面也有一些進展。在疑似病灶的地方，騰訊AI lab大概在每張圖有1.5個假陽性的情況下可以獲得80%的病灶覆蓋率，該水平已經超過了人類。

他透露，接下來騰訊AI lab對於乳腺癌這個方向在診斷方面一定會融合盡量多的醫學信息，盡量把患者的一些病曆數據、影像數據、基因數據做多數據的融合，最後對病人做出一個綜合的診斷，而不僅僅是把它當成一個圖像工程去做。

如今基於AI的相關技術正聯合各項應用及研究走進人們的生活，來到人們的身邊。正如AI應用於乳腺癌識別一樣，這一切都是為了讓人人都享受更好的醫療服務，期待相關企業和機構在乳腺癌項目上的研究能夠儘快有所突破，造福普通患者。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！