騰訊科技訊 2019騰訊全球數(shù)字生態(tài)大會(huì)將于5月21日-5月23日在昆明滇池國際會(huì)展中心召開。5月22日上午，以“智醫(yī)療 至健康”為主題的智慧醫(yī)療專場重磅開啟。

隨著醫(yī)療行業(yè)融入更多大數(shù)據(jù)、人工智能、傳感技術(shù)等高科技，醫(yī)療服務(wù)正走向真正意義的智能化，并快步走進(jìn)尋常百姓的生活。AI醫(yī)學(xué)影像分析、AI輔助診斷、AI運(yùn)動(dòng)視頻分析、AI病理分析等創(chuàng)新技術(shù)，正在不斷開拓智慧醫(yī)療的新邊界，更優(yōu)質(zhì)、高效、安全的醫(yī)療逐漸實(shí)現(xiàn)。

自2017年8月發(fā)布以來，騰訊覓影在病種上不斷突破、在服務(wù)上不斷優(yōu)化、在價(jià)值上不斷提升，已累計(jì)輔助醫(yī)生閱片2.7億張，服務(wù)近160萬患者，提示高風(fēng)險(xiǎn)21萬次。與此同時(shí)，騰訊積極參與和推進(jìn)食管癌、胃癌、肺癌等癌癥的早期公益篩查工作，助力健康中國建設(shè)。

騰訊 AI Lab 持續(xù)為“騰訊覓影”提供技術(shù)支持，此次實(shí)驗(yàn)室醫(yī)療中心首席科學(xué)家姚建華受邀到現(xiàn)場介紹了產(chǎn)品在AI輔助、導(dǎo)診與分診方面的進(jìn)展，以及實(shí)驗(yàn)室布局AI病理分析方向的科研突破。在AI輔診能力上，“騰訊覓影”已擁有輔助診斷、分診導(dǎo)診、預(yù)問診、智能用藥等AI產(chǎn)品，貫穿診前、診中、診后等診療全流程。病理分析則被稱為“醫(yī)生的醫(yī)生”，是疾病診斷的金標(biāo)準(zhǔn)。騰訊AI Lab正集中在這個(gè)領(lǐng)域的三大方向研究：基于AI的病理診斷模型、病理組學(xué)，及病理預(yù)后預(yù)測模型。他指出，“病理+AI”能夠提高可重復(fù)性、準(zhǔn)確率和效率，改善我國病理醫(yī)師供需失衡的問題。

騰訊 AI Lab 醫(yī)療中心首席科學(xué)家姚建華在2019年首屆騰訊全球數(shù)字生態(tài)大會(huì)智慧醫(yī)療分論壇上演講

以下是演講全文：

“騰訊覓影”AI輔診產(chǎn)品貫穿診療全流程，服務(wù)醫(yī)生和患者

AI輔診產(chǎn)品貫穿疾病診療三階段

病人到醫(yī)院看病的過程可以分為三個(gè)階段：診前、診中和診后。這三個(gè)階段涉及到患者和醫(yī)護(hù)人員之間不同的信息交流和相關(guān)的決策過程。對于患者來說，診前會(huì)根據(jù)身體狀況進(jìn)行一些咨詢，需要知道自己要去哪家醫(yī)院哪個(gè)科室看?。辉\中需要和醫(yī)生交流反映病情；診后要了解自己的用藥和康復(fù)計(jì)劃。

對于醫(yī)護(hù)人員來說，在診前需要通過問卷來收集患者的一些基本病情和病史信息，幫助和簡化后續(xù)診斷；在診中，醫(yī)生需要根據(jù)病人描述的病情、病史和檢驗(yàn)結(jié)果做出診斷，并且決定治療方案和開出藥方。在診后，醫(yī)生還要根據(jù)病情的變化追蹤治療和康復(fù)的進(jìn)展。

這幾個(gè)階段的工作重復(fù)性高且耗費(fèi)人力，縮短了醫(yī)生真正有效的診斷時(shí)間。AI可以在診療流程的各個(gè)階段作為虛擬助手幫助和服務(wù)醫(yī)生或患者，優(yōu)化工作流程，避免一些失誤。例如對于患者來說，AI可以提供咨詢服務(wù)，指引患者就醫(yī)，以及提供定制化的治療康復(fù)方案；對于醫(yī)生來說，AI可以輔助他們預(yù)問診、診斷、開藥方。目前騰訊AI Lab已開發(fā)了智能導(dǎo)診、AI預(yù)問診、AI輔助診斷和智能用藥幾個(gè)貫穿疾病診療全流程的產(chǎn)品。

AI輔助診斷系統(tǒng)技術(shù)框架

這是“騰訊覓影”的AI輔助診斷系統(tǒng)的技術(shù)框架，基于醫(yī)療文本數(shù)據(jù)和自然語言數(shù)據(jù)，核心技術(shù)為自然語言理解、知識圖譜、深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。在這個(gè)框架里，自底向上，通過建立知識庫和信息理解的算法，集成一些業(yè)務(wù)模塊，最后構(gòu)建出不同應(yīng)用場景下的產(chǎn)品。

首先，我們要收集一些原始數(shù)據(jù)，包括醫(yī)學(xué)教科書、電子病歷、百科、說明書和臨床檢驗(yàn)報(bào)告等等，這些也是醫(yī)生診斷所依據(jù)的知識來源。通過對這些原始數(shù)據(jù)進(jìn)行清洗、信息提取和知識關(guān)聯(lián)，我們可以建立結(jié)構(gòu)化的臨床知識庫、標(biāo)志庫和規(guī)則庫。利用自然語言理解算法，我們對患者和醫(yī)生之間的交流信息和臨床檢驗(yàn)報(bào)告進(jìn)行分析，實(shí)現(xiàn)語義識別和意圖分析等算法模塊。

然后，我們將相關(guān)算法集成為一些更高層的業(yè)務(wù)模塊，包括會(huì)話管理、需求引導(dǎo)、知識匹配和知識推薦等，將醫(yī)生和患者提供的信息與知識庫關(guān)聯(lián)起來。利用這些業(yè)務(wù)模塊，在不同的應(yīng)用場景下可以搭建出不同的AI輔診產(chǎn)品。

“騰訊覓影”AI輔診產(chǎn)品進(jìn)展

從2017年到現(xiàn)在，我們攜手“騰訊覓影”開發(fā)和落地了一系列AI輔診產(chǎn)品。最早上線的“騰訊覓影”AI輔助診斷系統(tǒng)利用知識圖譜和深度學(xué)習(xí)模型，可以診斷700多種常見病種，準(zhǔn)確率達(dá)到96%。去年，“騰訊覓影”推出了服務(wù)患者的分診導(dǎo)診系統(tǒng)，可以智能分發(fā)和鏈接醫(yī)療資源，已上線300多家醫(yī)院，覆蓋超過200個(gè)科室，準(zhǔn)確率達(dá)到98%。

最近上線的“騰訊覓影”預(yù)問診系統(tǒng)，利用強(qiáng)化學(xué)習(xí)支持多輪問答，收集有診斷價(jià)值的患者信息，已覆蓋400+癥狀，識別準(zhǔn)確率達(dá)到94%。 另外還有“騰訊覓影”合理用藥系統(tǒng)，可以根據(jù)患者的病史、用藥史和過敏史為醫(yī)生提供實(shí)時(shí)的風(fēng)險(xiǎn)預(yù)報(bào)，包括重復(fù)用藥，藥物之間的相互作用和排斥，藥物過敏和劑量風(fēng)險(xiǎn)?，F(xiàn)在已支持11.8萬審核藥品，預(yù)警準(zhǔn)確率達(dá)90%。

AI輔助病理診斷，提升診療效率和準(zhǔn)確率

AI輔助診療中心環(huán)節(jié)——病理診斷

剛才講的只是病人看病的基本流程，對于像癌癥這樣的嚴(yán)重疾病，診斷過程更為復(fù)雜。首先要通過一系列如CT， MRI，內(nèi)鏡， X光等檢測和篩查方法，找出可能的病灶位置和屬性。其次，要得到最后的確診，還需要取出一些組織采樣制作成切片，在顯微鏡下放大40倍到400倍，觀察細(xì)胞形態(tài)和組織結(jié)構(gòu)，進(jìn)行病理分析。病理分析是通過對細(xì)胞和組織的微觀觀察，來找出疾病發(fā)生的原因以及對人體功能和結(jié)構(gòu)的影響。病理診斷的結(jié)果將指導(dǎo)醫(yī)生制定手術(shù)、化療或放療等治療方案。病理診斷是診斷流程中重要的中心環(huán)節(jié)，是疾病診斷的金標(biāo)準(zhǔn)，因此病理醫(yī)生也被稱為“醫(yī)生的醫(yī)生”。

病理診斷在診療流程里起著重要作用，需求量十分巨大，但病理醫(yī)生卻一直供應(yīng)不足，在中國尤為嚴(yán)重。中國目前僅有1萬5千名病理醫(yī)生，缺口近10萬，僅滿足15%的需求。培養(yǎng)一名合格的病理醫(yī)生需要近10年的時(shí)間，再加上醫(yī)學(xué)院相關(guān)學(xué)生后續(xù)不足，人才短缺的狀況將越來越嚴(yán)重。

另一方面，病理診斷極其復(fù)雜，每種癌癥的亞分型多達(dá)數(shù)10種，而且不同亞型之間細(xì)胞和組織形態(tài)可能很相似，診斷主觀性強(qiáng)、敏感度低。2015年一篇醫(yī)學(xué)文章對75名病理醫(yī)生在2000個(gè)乳腺癌病例的診斷進(jìn)行了調(diào)查統(tǒng)計(jì)，發(fā)現(xiàn)非典型增生和導(dǎo)管原位癌很容易誤判。這兩種病變一種是良性病變，一種是癌癥，治療方案完全不同，誤診會(huì)對患者的健康和治療造成嚴(yán)重后果。由于病理診斷是基于對病理圖像中細(xì)胞形態(tài)和組織結(jié)構(gòu)進(jìn)行識別和匹配，相對成熟的計(jì)算機(jī)視覺等AI技術(shù)可以用于輔助病理分析，提升病理診斷的可重復(fù)性，效率和準(zhǔn)確率，緩解目前病理資源不足的狀況。

病理AI的三個(gè)主要研究方向

目前病理AI的研究領(lǐng)域主要分為三個(gè)方向。

第一個(gè)方向是基于AI技術(shù)的病理診斷模型。病理診斷需要對癌癥進(jìn)行分型、分級和分期，是個(gè)復(fù)雜和主觀性很強(qiáng)的過程，微小但重要的病灶在閱片中比較容易被忽視。一些較罕見的病變給經(jīng)驗(yàn)不足的醫(yī)生帶來了很大的挑戰(zhàn)。利用大規(guī)模高質(zhì)量的訓(xùn)練數(shù)據(jù)，基于深度學(xué)習(xí)的AI算法可以輔助醫(yī)生提高微小病變和疑難病例的識別能力。例如在區(qū)分結(jié)直腸息肉是普通腺瘤還是腺癌的問題上，我們的算法可以達(dá)到96%的識別準(zhǔn)確率。而在乳腺癌淋巴結(jié)轉(zhuǎn)移癌的檢測中，我們的算法可以輔助醫(yī)生檢測到微小的轉(zhuǎn)移癌病灶，敏感度0.85，每張圖只有1.5個(gè)假陽。

第二個(gè)主要研究方向是病理組學(xué)，也就是從病理數(shù)據(jù)中提取對診斷有用的特征，進(jìn)行定量化分析，建立病理特征和診療結(jié)果的關(guān)聯(lián)性。例如在越來越普及的免疫組化分析中，通過對細(xì)胞和組織中抗體和蛋白質(zhì)的定量檢測來得到腫瘤的精準(zhǔn)診斷。這是免疫組化的兩個(gè)例子，基于細(xì)胞核染色的Ki-67和基于細(xì)胞膜染色的Her2，一個(gè)視野往往涉及幾百個(gè)細(xì)胞，準(zhǔn)確計(jì)數(shù)十分費(fèi)時(shí)，在實(shí)際臨床中醫(yī)生一般憑借肉眼大略地估算，但AI算法可以通過分割染色區(qū)域給出精確的免疫組化指數(shù)。

第三個(gè)主要研究方向是基于AI技術(shù)的病理預(yù)后預(yù)測模型。醫(yī)生希望通過結(jié)合病理數(shù)據(jù)和其他臨床數(shù)據(jù)來預(yù)測治療效果、病人生存率和癌癥遠(yuǎn)處轉(zhuǎn)移率，幫助他制定最有效的精準(zhǔn)個(gè)性化治療方案。比如說，如果預(yù)測到放射療法對某些病人效果不好，就可以盡早采用其他更有效的治療方法，減少病人痛苦和治療費(fèi)用，同時(shí)爭取到更多有效的治療時(shí)間。復(fù)雜的深度學(xué)習(xí)模型如圖卷積模型可以幫助醫(yī)生更準(zhǔn)確預(yù)測療效和生存率。在這個(gè)例子里，利用圖卷積預(yù)測肺癌生存率可達(dá)到71%的準(zhǔn)確率。病理AI可以幫助醫(yī)生完成預(yù)測預(yù)后這種數(shù)據(jù)維度比較高的任務(wù)，進(jìn)而確立治療方案。

綜上，病理AI在這三個(gè)領(lǐng)域中，分別幫助醫(yī)生提高診斷效率、一致率、準(zhǔn)確率，還新增了醫(yī)生的預(yù)測療效能力。