AI+医疗 | 腾讯AI Lab食道癌早期筛查技术率先进入临床预实验

感谢阅读腾讯AI Lab微信号第四篇文章，我们将从技术角度解析近期发布的技术案例。同步发送的头条文章则深度解析了刚结束的顶级学术会议ACL上的三大前沿研究及重点论文解析，敬请关注。

昨天，腾讯发布了首款AI医学影像产品——腾讯觅影，使用腾讯AI Lab技术的食管癌早期筛查也成为首个进入临床预试验的项目，实现了筛查一个内镜检查用时不到4秒，对早期食管癌的发现准确率高达90%[1]。

同时，腾讯还宣布发起成立了人工智能医学影像联合实验室，中山大学附属肿瘤医院（广东省食管癌研究所）、广东省第二人民医院、深圳市南山区人民医院成为首批加入联合实验室的合作医院。

食管癌是常见恶性肿瘤之一，治疗时机非常关键，如果在癌症早期发现，只需通过微创手术切除病变区域，治疗成本低、基本无并发症、治愈的概率非常高。但我国早期食管癌检出率低于10%，因为早癌病变特征非常细微，在检查时人的肉眼很容易忽略，可能错过最佳治疗时机。同时，食管的炎症与癌症特征有很多相似性，经验不足的医生，有可能把炎症误诊为癌症，从而选择错误的治疗方案，导致不必要的身体损伤。

中国食管癌现状

• 早期食管癌检出率低于10%

• 2015年新发现肿瘤病理排名第三

• 新发现肿瘤病例男性排名第四、女性排名第五

在食管癌筛查中，医生要做的第一步是用内镜筛查判断病变特征，从而决定是否进行进一步病理检查。这里的内镜图像里包含大量像素数据，在非常有限的筛查时间里，机器能很快区分病灶之间的细微差别，提升早癌筛查识别率，同时更好辨识出炎症与癌症之间差异性，将两者区分开来，帮助医生进行更好的治疗。

中山大学医院管理处处长、广东省食管癌研究所所长傅剑华教授介绍，AI在医疗上的应用越来越广泛。国外开发主要聚焦影像识别系统，应用在皮肤科和眼科等。这次合作属于内镜图像识别系统，可能在全球属于首创。中山大学附属肿瘤医院胸外科医师罗孔嘉补充解释，AI与内镜结合少，原因包括内镜图像的拍摄非常困难。而且，比起有无病灶的诊断，病情严重程度的诊断技术含量更高。

腾讯AI Lab提出的技术流程历经三个环节：首先通过食管判别模型，从包含非食管的大数据中辨别并留存食管数据；第二步，将食管数据送到第二个模型，把正常食管和病变食管区别开；第三步，将病变食管数据送到第三个模型，判断是癌症还是炎症。

食道癌识别 - 整体流程及相关技术

在这个技术中，我们研究了如何将深度学习技术应用到食管癌识别的问题中，通过构建自动识别算法辅助医生，提升其诊断效率和准确性。在研究中，这是一个典型的分类问题，目前有VGG和GoogleNet等比较成熟的算法。而成熟分类算法的效果并不理想，因为能知道一张图像是否包含癌症，但缺乏定位到具体病变位置的表示数据。因此我们将一张食管图像化整为零，采用Multi-Instance思路，在loss function中加入医生经验和医学知识作为约束，提升了模型学习性能。在模型迭代过程中，我们也会积累少量精准标注数据，通过多任务方式，把这些数据的精准特征强化到前面的判别模型中，从而进一步提升模型识别效果。通过不断将模型识别结果与医生标注结果对比，精准标注数据不断积累，模型也越加成熟。在历时半年、多次迭代以后，判断准确率和召回率的综合指标F1-Score[2]最终达到了90%。

腾讯AI Lab于2016年4月成立以后，专注于基础研究和应用探索的结合，提出了「学术有影响，工业有产出」的发展目标，目前技术已支持腾讯上百个产品，包括微信、QQ、QQ音乐、天天快报和应用宝等。

2017年3月，斩获计算机围棋大赛“UEC杯”冠军的围棋AI产品「绝艺」，背靠机器学习与强化学习等AI热门研究，并在腾讯围棋平台应用、游戏AI研发领域具有较高价值。近日在QQ手机版本上线的「实时视频滤镜技术」，其相关论文也入选计算机视觉顶级学术会议CVPR，是研发向应用快速转化的又一例证。

[1]和[2]中的准确率指F-meaasure，是信息检索领域的常用评价标准，一般用于评价分类模型的好坏。F1-score是准确率与召回率的加权调和平均，当数值较高时，能说明检验方法比较有效。

关于腾讯觅影：8月3日在广州举办的2017 “互联网+”数字经济中国行广东峰会上，腾讯正式发布AI 医学影像产品「觅影」，并与多家合作医院建立联合实验室。在腾讯公司内部，由腾讯互联网+合作事业部牵头，腾讯觅影聚合了包括腾讯AI Lab、优图实验室、架构平台部等多个AI技术团队能力，把图像识别、深度学习等技术充分发挥。AI与医学的跨界融合，可以有效辅助医生发现癌变征兆，将病魔遏制在摇篮里。