腾讯优图:在解决肺癌和糖网病难题上,我们用了这些手段

2017/08/18来自:

雷锋网按:近期,腾讯在2017”互联网+”数字经济中国行广东峰会上发医学AI产品腾讯觅影,包含了6个人工智能系统,涉及的疾病有食管癌、肺癌、糖网病、宫颈癌和乳腺癌。


此次峰会上,腾讯优图实验室以肺癌识别和糖尿病视网膜病变的筛查技术为例,分享了团队在这两大领域的研究状况。

肺癌识别

分享中首先谈到,对比中、美、英三国的肺癌发生率和死亡率就会发现,国内肺癌发生率其实低于英、美,但死亡率却已超过英美,反映出中国肺癌致死率很高。一个重要原因是,当诊断出患者有肺癌后,70%已到中晚期,错过了最佳诊断和治疗时间。

因此肺癌早筛在国内是一件刻不容缓、继续解决的任务。

早筛是减少肺癌死亡率的重要手段,癌症早起多表现为肺部结节。

这些肺部结节的尺寸往往非常小、对比度很低、抑制化特别高,因此筛查工作都是由影像科专家去完成。但每个病人肺部CT的扫描图片数目经常会超过200层,因此当遇到大量病者,人工阅片越来越耗时、耗力。

另一方面,微小肺部结节在影像学的表现可能与其他组织或部位产生混淆,比如和一些毛细血管、结核、假瘤混淆,也会影响到医生的判断。

腾讯优图实验室希望帮助医生能够尽快、尽早去检测出肺结节的区域,同时协助医生做更准确的判断。

腾讯优图的解决方法

腾讯优图在肺癌识别的核心算法首先进行预处理。这种方法的主要优势在于,通过三维分割和重建,处理不同成像设备产生的不同成像图片。

AI影像团队不可避免这种情况:有些医院的CT设备比较先进,它拍一次CT可产生200层甚至更多切片,精度很高。但在很多设备比较落后的基层医院,拍一次CT,往往可能只有40-50层。

因此,对于不同的设备,优图的算法也有着较强的适应性。

另外,优图团队的核心算法不同于传统医学图像处理方法,我们通过端到端一体化肺癌分类算法,输入已经处理好的3D肺部图像,预估肺结节的大致位置。通过提取这些肺结节位置,再考虑整个病人肺部的全局信息,从而更好地判断病人患有肺癌的风险。

多尺度、多任务的3D卷积神经网络是帮助实现早期微小肺结节检测的核心技术,这项技术既可协助我们关注到微小结节局部区域的特征信息,同时又可结合患者在整个肺部的全局信息,做出更好的预测。

成果

在具体的成果上,优图团队在早期肺癌上的敏感度可达80%。在部分疑难杂症、比较难判断的情况下,已经超过普通医生的平均水平。

后续优图的医疗AI也将在本月和多家三甲医院合作落地。

糖尿病视网膜筛查

除了肺癌筛查,分享中也简单介绍了他们团队在糖尿病视网膜筛查的工作。

2015年国际糖尿病联盟发现有4亿多的成人患有糖尿病。预计2040年,将会高达6.4亿,其中高达30%-50的糖尿病患者都会患有糖尿病视网膜病变,其中患有糖尿病视网膜病变中有一成的患者将会面临失明的风险,人群数很有可能高达2500万人。

从上述的数据显示,糖网是一个非常严重的问题,对于成年人来说,糖网也是第一大致盲因素,接近四分之三的10年糖尿病患者都会患有糖网。

虽然问题严峻,但是值得庆幸的是,如果糖网在早期能够被检测出来,也有95%的希望去阻止失明的发生。所以对于糖尿病视网膜病变来说,早筛工作非常重要。

优图实验室现在主要给糖网分为5期,第一是没有病变,然后是轻度病变、中度病变、重度病变、增殖性病变、目前没有细分的病变。

但是如果真正做到早筛,对于医生来说具有一定的难度。

这里存在两个情况,一个是我们会认真判断正常和患病的情况,它的横坐标代表的是一个患病样本的误检率,纵坐标是一个正常样本的召回率。

现在在1%误检率的情况下,可达到90%正常样本的召回率。而对于非增殖和增殖眼底的大样本情况,也可以达到很高的准确率。

高准确率的背后还有一段路要走

腾讯优图作为AI基础研究团队,从跨界的角度讲,在这两大医学领域无疑取得了较好的成绩,但后面的路仍道阻且长。

雷锋网也发现,市场上绝大多数初创影像公司都在做肺结节和眼底方向的研究。

科大讯飞智慧医疗事业部总经理陶晓东曾向雷锋网(公众号:雷锋网)透露,在肺结节这块虽然大家都在说自己有着百分之九十几的准确率,但首先要问个问题,为什么大家都在做肺结节?这实际上可以反映出一个现状:大家的创新能力还不够,而且大家能够得到的资源都很相似,因为肺部CT公开的数据最多。

除此之外,智能影像诊断到临床还有非常长的路要走。

广东省人民医院放射科刘再毅教授谈到,要真正应用在临床,需要解决它的精度、实用范围和政策等问题,如果要政策批准,必须经过临床试验验证,耗资会很巨大。

很多研究员和影像科医生也针对这个问题发表了自己的看法:即便技术能达到99.99%,那万一不幸的是,某个病人正好是那0.01%,最后是医生来负责,还是AI来负责,这也是一个很重要的课题。

责任编辑: