0
近日，騰訊架構(gòu)平臺部的高級工程師顏克洲向外介紹了騰訊在乳腺癌的病例圖像識別以及鉬靶識別方面的研究進展。
為什么選擇乳腺癌這個方向？
他說，對于中國女性群體來說，乳腺癌是發(fā)病率最高的惡性腫瘤之一。據(jù)相關(guān)數(shù)據(jù)統(tǒng)計，我國每10萬人中就有40多個人罹患乳腺癌。基于此，騰訊發(fā)力該領(lǐng)域，希望能夠利用技術(shù)攻破治療難題，以惠及更多普通人群。
雷鋒網(wǎng)了解到，在乳腺癌的檢查及研究方面，騰訊選擇了兩個具體方向。一、鉬靶；二、病理學(xué)。
對于鉬靶來說，它是一種非常常見的篩查手段，它能夠普惠到基層醫(yī)院。但目前很多醫(yī)生在鉬靶方面的研究和熟悉程度有所欠缺。因此，騰訊希望可以借助AI技術(shù)，幫助到基層醫(yī)院的一些醫(yī)生在鉬靶方面做一些提升。
對于病理學(xué)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(xué)研究“區(qū)域”非常廣泛，它可能有10萬×10萬個小細胞。如果依靠醫(yī)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(zhàn)的過程；如果用計算機去執(zhí)行就會變得相對簡單，它就可以將這些細胞進行拆分，做高并發(fā)研究。
在病理學(xué)圖像的識別上，騰訊將其分為兩個步驟。
一、在手術(shù)中或者手術(shù)后，將病人的淋巴結(jié)切下，觀察癌細胞的位置及大小；
二、然后對此癌細胞進行組織學(xué)分析。組織學(xué)分析是將癌變的組織切下來，觀察它的分化程度，然后來確定方案。
據(jù)顏克洲介紹，騰訊早期就做過淋巴結(jié)切片的分析。對于這個切片，從病理學(xué)圖片的識別來看存在一些難點。
醫(yī)學(xué)上的病理切片分析需要的是波片掃描的數(shù)據(jù)，但是目前該數(shù)據(jù)量非常少，因為它需要把整個波片全部數(shù)字化。如今很多醫(yī)院都還沒有普及數(shù)字病理機；另外，很多醫(yī)生由于在醫(yī)學(xué)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(shù)字病理機只是把原先用顯微鏡看到的東西數(shù)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，這無論是對于人還是計算機來說，對此圖片做識別和分析都有一定難度及挑戰(zhàn)。
細胞形態(tài)非常類似。癌細胞與淋巴結(jié)上的一些巨噬細胞在形態(tài)上非常相象，但這兩類細胞與普通的淋巴結(jié)細胞又有比較大的區(qū)別。
針對以上三個難點，騰訊提出了相應(yīng)解決方案。
對于醫(yī)療機器的應(yīng)用難題，后期可以給機器增加一些輔助功能。比如說能夠幫助醫(yī)生大概預(yù)估治療結(jié)果等，這也許會逐步提升醫(yī)生對于這些機器的好感；
對于超大型圖片，可以化整為零，把它切成了多個patch去做分析；
而對于細胞形態(tài)，可以采用多數(shù)據(jù)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。由于癌細胞與巨噬細胞非常相像，騰訊采用了一種激活的訓(xùn)練手段訓(xùn)練了兩種網(wǎng)絡(luò)：第一個是普通的正常和癌變細胞的網(wǎng)絡(luò)；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(wǎng)絡(luò)；之后又將這兩個網(wǎng)絡(luò)用一個權(quán)重進行融合得到細胞病變的概率。
得到概率之后，可以利用病灶膨脹閥過濾掉一些傳統(tǒng)的計算機識別的特征，包括細胞核個數(shù)、假陽性的組織等等；然后再融合它原本的一些計算機視覺的特征。比如說這個小片里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；形成熱力圖之后，經(jīng)過一些降噪的手段將其變得更加精確；最后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(wǎng)了解到，在最近的一次對于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在鉬靶圖像識別上的一些進展。他表示，騰訊之前對眾多醫(yī)生進行了一些調(diào)研，在鉬靶圖像這塊總結(jié)出兩個痛點：
一、醫(yī)生很容易漏掉癌癥的病變組織，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(wǎng)透露，騰訊有嘗試去解決這些痛點，但發(fā)現(xiàn)其中也存在一些難點。
沒有大量的數(shù)據(jù)和標(biāo)注去訓(xùn)練神經(jīng)網(wǎng)絡(luò)。
這類圖片與普通圖片不太一樣，用普通的神經(jīng)網(wǎng)絡(luò)算法在醫(yī)學(xué)中應(yīng)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(lǐng)域，單看一張圖根本不知道患者有什么疾病。醫(yī)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，最后來確定患者到底是不是有問題。
針對這三大難題，騰訊也做了一些探索。
數(shù)據(jù)獲取方面。在數(shù)據(jù)不夠的情況下，機器很大程度上在學(xué)習(xí)醫(yī)生在平時診斷時的做法。它將醫(yī)生的辦法抽象成一個數(shù)學(xué)方法，利用醫(yī)生的知識把一些可疑的病灶進行判斷，然后將這些知識提取出來，應(yīng)用到神經(jīng)網(wǎng)絡(luò)中去進行輔助分析。
設(shè)計專門的醫(yī)用神經(jīng)網(wǎng)絡(luò)，針對非標(biāo)準(zhǔn)圖片去做。
模仿醫(yī)生看片的流程，在方法上做了多圖對比的一個過程。
實現(xiàn)框架主要也有三大塊：
利用NLP把標(biāo)簽?zāi)玫健＠肗LP技術(shù)把病人的鉬靶報告和病理報告拿到以后，提取它的標(biāo)簽，然后利用這些標(biāo)簽對整圖做訓(xùn)練。
做全處理。對于此步驟，騰訊會重點根據(jù)醫(yī)生的一些相應(yīng)知識去做處理。
拿到label和image后，再結(jié)合與醫(yī)院拿到的一些數(shù)據(jù)標(biāo)記，做神經(jīng)網(wǎng)絡(luò)訓(xùn)練，最后分辨它屬不屬于癌細胞。
這其中也包含三個過程：
第一步是把鉬靶報告和病理報告里面的結(jié)構(gòu)化信息利用NLP技術(shù)提取出來；然后用計算機視覺的方法找到一些疑似的病灶（當(dāng)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范圍），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以后，后面在做神經(jīng)網(wǎng)絡(luò)的分類或者訓(xùn)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(yī)學(xué)圖像的技術(shù)做對齊；對齊以后再做一個差分；差分完了以后，再將結(jié)果返回到剛才的第一步做循環(huán)，去找到那個關(guān)鍵的、感興趣的組織。
第三步也是最關(guān)鍵的步驟，拿到了ROI以后，將它放到神經(jīng)網(wǎng)絡(luò)里面去訓(xùn)練，訓(xùn)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(biāo)注量用來訓(xùn)練神經(jīng)網(wǎng)絡(luò)是遠遠不夠的。因為神經(jīng)網(wǎng)絡(luò)的訓(xùn)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(yī)學(xué)知識。
融入哪些醫(yī)學(xué)知識呢？
一、一些計算機視覺特征的知識。將病灶放到神經(jīng)網(wǎng)絡(luò)里面去，其實會丟失很多特征。比如說在原圖位置的特征、大小特征、毛刺特征等等。然后將這些特征用另外一條通路把它描述出來；
二、醫(yī)生在給患者做診斷時所依賴的一些特征。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并進行處理，最后用概率圖模型將這些特征做融合，得到良/惡性的概率。
顏克洲補充說，騰訊目前在研究良/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(jīng)超過了人類。
他透露，接下來騰訊對于乳腺癌這個方向在診斷方面一定會融合盡量多的醫(yī)學(xué)信息，盡量把患者的一些病歷數(shù)據(jù)、影像數(shù)據(jù)、基因數(shù)據(jù)做多數(shù)據(jù)的融合，最后對病人做出一個綜合的診斷，而不僅僅是把它當(dāng)成一個圖像工程去做。
如今基于AI的相關(guān)技術(shù)正聯(lián)合各項應(yīng)用及研究走進人們的生活，來到人們的身邊。正如AI應(yīng)用于乳腺癌識別一樣，這一切都是為了讓人人都享受更好的醫(yī)療服務(wù)，期待相關(guān)企業(yè)和機構(gòu)在乳腺癌項目上的研究能夠盡快有所突破，造福普通患者。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
