数据改变医疗:人工智能加速精准医疗时代到来


你能想象每天有三架载满乘客的大型飞机坠落并杀死他们吗?这听起来很可怕,但是疟疾每年在全世界杀死60万到80万人,这相当于飞机失事的概率。 虽然疟疾在发达地区几乎已经消除,但在一些不发达地区,它仍然是一场灾难。应对疟疾的挑战之一是缺乏足够的专业病理学家,这使得患者难以及时获得诊断和治疗。 目前正在开发的技术将有助于确定患者是否感染了疟疾,感染了哪种类型的疟疾,以及从哪种渠道感染。与传统的需要大量人力来观察样本和进行分析的方法相比,该技术大大提高了医生的效率。 即使在医务人员稀缺的地区,他们也不能再如此紧张。

因此,计算机和医疗的结合远不止是智能手镯、血糖仪或与医疗相关的智能硬件,如Xbox和全息透镜(HoloLens)。它的覆盖面很广。从前端设备到后端系统,再到隐藏在最终端的各种算法,每个分支都可以是独立的学科。 事实上,在微软内部,有将近100个与医疗相关的项目,包括非常前瞻性和实用性的项目。

hangye-yiliao1.jpg

在我看来,今天计算机在医学领域的进步实际上是基于同样的基础,即“数据改变医学”的核心 中医和西医本质上都是实用科学。医生们通过无数的实践总结和统计了这些规律,最终达到了治病救人的效果。 当人类收集、处理和分析数据的能力随着云计算、大数据、机器学习、物联网和其他技术的发展而提高时,人们使用大数据(如医生)分析或协助分析疾病的能力自然会与日俱增。

人工智能有助于促进精确医学

癌症一直是人类最迫切需要解决的医学问题之一。由于同一类型癌症的每个患者都有不同的表现,也可以说每个患者的癌症都是一种独立的疾病。即使是经验丰富的医生也很难做出100%准确的分析和判断,更不用说相对个性化的精密医学了 因此,微软亚洲研究院一直将数字医学图像识别作为其主要方向之一,希望通过计算机视觉领域的最新技术来加速精确医疗的推广。

自2014年以来,微软亚洲研究院团队一直在研究脑肿瘤病理切片的识别和判断,并通过细胞形态、大小、结构等协助分析和判断患者的癌症分期。 在过去的两年里,我们基于“神经网络+深度学习”的模式在这一领域取得了两项突破:

首先,实现大尺寸病理切片的图像处理 通常,图片的大小是224*224像素,但是脑肿瘤病历切片的大小达到200,000 * 200,000,甚至400,000 * 400,000像素。 对于大尺寸病理切片图像的识别,我们没有使用业界常用的数字医学图像数据库,而是在计算机领域最成熟的图像数据库ImageNet的基础上,使用尽可能多的图像,并通过我们自己的神经网络和深度学习算法对其进行训练。最后,实现了大尺寸病理切片的图像处理。

hangye-yiliao1.jpg

通过神经网络和深度学习算法处理大尺寸病理切片图像的过程

其次,解决细胞级图像识别后,实现病理腺体的识别 腺体可以简单地理解为多细胞聚集体,更接近于“器官”的概念 与细胞病变疾病相比,腺疾病的复杂性和可能组合呈指数增长,但腺状态的准确识别可以大大提高癌症分析的准确性,具有深远的意义。

患病腺体的识别主要基于医学观点,即可以测量癌细胞增殖程度和预后的三个指标:细胞分化能力、腺体状态和有丝分裂水平 我们针对这三个角度,通过多渠道的数据收集和分析,希望能帮助医生对患者的术后、康复水平甚至将来复发的可能性做出估计和判断。

hangye-yiliao1.jpg

腺体图像经计算机处理后被抽象成不同的结构,使计算机能够依靠“肉眼”和经验,进一步识别和判断用于观察病理切片图像的“医生”。目前,人工智能的两大核心技术:神经网络和深度学习使计算机系统能够自动了解恶性肿瘤细胞与正常细胞的区别以及癌症病情的分析判断标准,同时能够在扫描病理切片后给出判断结果,供医生参考。 计算机强大的计算能力弥补了一些医生因缺乏经验或对罕见疾病和复杂疾病缺乏考虑而造成的误判。 此外,计算机还可以发现人眼不易察觉的小细节,并为医生总结一些意想不到的规则,从而不断完善医生的知识体系和计算机系统 因此,正是人工智能使精密医学得以继续发展

hangye-yiliao1.jpg

算法处理后,对不同种类的恶性肿瘤切片进行分类

目前,微软亚洲研究院二维医学图像识别结果的准确性已经达到国际领先水平。 除了脑瘤之外,这项研究的结果还可以扩展到我们正在研究的其他疾病(如肠癌)的二维医学图像的识别和判断。 此外,我们还在研究肝肿瘤患者的三维CT图像。虽然三维图像和二维图像的识别技术有着本质的区别,但基于微软亚洲研究院多年来在人工智能领域的深入积累,我们相信我们在三维计算机断层图像识别方面的突破指日可待。

超级电子病历,医生的《字典》

除了医学图像识别,我们还在医学文字处理方面做了很多研究

与外国同事交流时,我们发现世界各地医生写的病历是最难的书法。由于时间有限,医生不得不飞快地写下病历。 电子病历制作完成后,尽管书写问题得到了解决,但病历上记录的各种描述性语言有些简洁,有些冗长,有些甚至不完整对于医生以后查阅、检查或了解病人的病情来说是非常不方便的。

hangye-yiliao1.jpg

因此,我们的团队研究语音和自然语言理解技术,这样医生就可以口述病历,然后计算机将语音转换成单词,然后进行结构处理,从而形成一个包含所有关键词的树形图,清晰简明地总结所有有用的信息,这样患者或其他医生就可以一目了然地了解所有的病理过程,例如什么病史、使用了什么药物、排除了什么疾病、要研究什么疾病等等

基于这样的电子病历,医生的更换将不再影响不同医生对患者完整病情的掌握。年轻医生也可以通过研究各种病历快速成长。结构化的电子病历甚至可以自动总结医生忽略的细节和推论,并获得了解疾病状况的新线索。当然,不用说,医生写病历的工作量大大减少了。

AI(人工智能)+HI(人类智能)=Super Doctor

hangye-yiliao1.jpg

可以看出,无论是图像识别还是自然语言理解,计算机领域的许多技术都可以与医学应用紧密结合。 随着计算能力的日益强大和人工智能技术的稳步发展,未来计算机将能够处理更加复杂和先进的信号,人类医学水平必将进入一个新的时代。

然而,医生永远不会被取代。 在医学科学和艺术领域,人工智能技术将成为医生的“得力助手”,帮助医生更方便地获取信息,帮助医生做出更正确的诊断。除了积累丰富的专业知识,医生还需要更多的能力来发展高情商和与患者沟通。 最后,计算机的人工智能和医生的人类智能将相互结合,成为一个既有准确专业判断又有情感交流的“超级医生”。 让我们期待人工智能引领的医学发展新时代!

2017年5月12日,1亿欧元将举办“2017中国医药行业未来领袖峰会” 由500名成员组成的峰会邀请具有创造力和未来判断力的制药和卫生企业人士参加。 链接到峰会注册:

这篇文章的来源和出处已被标记。版权属于原作者。如果有侵权行为,请联系我们。