专家园地

您所在位置:首页 > 专家园地 > 正文

人工智能加速精准医疗时代到来

文章作者:www.cs-vaccine.com发布时间:2020-02-23浏览次数:630

你能想象每天都有三架满载乘客的大型飞机坠入死者?这听起来很糟糕,但世界上每年死于疟疾的人数高达60万至80万,这相当于发生这种事故的可能性。尽管发达地区的疟疾几乎已经根除,但在一些欠发达地区,疟疾仍然是一场灾难。处理疟疾的挑战之一源于缺乏足够的专业病理学家,使患者难以及时得到诊断。和治疗。目前正在开发的技术将有助于确定患者是否感染疟疾,哪种类型的疟疾被感染,以及哪些通道可能被感染。与传统方法相比,需要大量人力来查看样本和分析。这项技术大大提高了医生的效率。即使在医务人员稀缺的地区,也可能不那么紧张。

因此,计算机和医疗保健的结合远远超过智能手环,血糖仪或可能与医疗相关的智能硬件,如Xbox和HoloLens。覆盖范围从前端设备到后端系统到隐藏每种类型的算法,每个分支都可以是一个独立的学科。事实上,在微软内部,有近100个医疗相关项目,这两个项目都非常具有前瞻性,已经进入实际应用水平。

在我看来,计算机在医学领域的进步实际上是基于同一个基础,即“数据变化医疗”。无论是中医还是西医,它本质上都是一门实践科学。医生通过无数次的实践总结和统计规则,最终达到了挽救医疗的效果。随着人类收集,处理和分析数据的能力随着云计算,大数据,机器学习和物联网等技术的发展而增长,能够使用大数据来分析或协助分析疾病像医生一样自然会越来越多。

人工智能有助于促进精准医学

癌症一直是人类迫切需要解决的最困难的医学问题之一。因为同一类型癌症的每个患者具有不同的表现,可以说每个患者的癌症是独立的疾病,即使医生是富裕的。经验也难以做出100%准确的分析和判断,更不用说相对个性化的精准医学了。因此,微软亚洲研究院一直将数字医学图像识别作为主要方向之一,并希望通过计算机视觉领域的最新技术加速精准医学的推广。

自2014年以来,微软亚洲研究院的团队已经开始研究脑肿瘤病理切片的鉴定和判断,通过细胞的形状,大小和结构帮助分析和判断患者的癌症分期。在过去两年中,基于“神经网络+深度学习”模型,我们在这一领域取得了两项突破:

首先,实现了大规模病理切片的图像处理。通常图片的大小为224 * 224像素,但脑肿瘤病历片的大小达到了200,000 * 200,000,甚至是40万* 40万像素。对于大规模病理切片图像的识别,我们还没有使用业界常用的数字医学图像数据库。相反,我们在ImageNet的基础上使用尽可能多的图像,ImageNet是计算机领域中最成熟的图像数据库,通过我们自己的神经网络和深度。学习算法大量连续训练,最终实现大规模病理切片的图像处理。

神经网络和深度学习算法处理大规模病理切片图像的流程

其次,在解决了细胞水平的图像识别后,实现了对病变腺体的识别。所谓的腺体可以简单地理解为多细胞的集合,更接近“器官”的概念。与细胞病变病变相比,腺体病变的复杂性和可能的组合呈指数增长,但腺体状态的准确鉴定可以大大提高癌症分析的准确性,意义更加深远。

疾病腺体的鉴定主要基于三个医学指标,可以测量癌症扩散和预后的程度:细胞分化,腺体状态和有丝分裂。从这三个方面来看,我们希望通过多渠道数据收集和分析,帮助医生预测和判断未来术后,康复甚至复发的可能性。

计算机处理后,腺体图像被抽象成不同的结构,以便计算机可以进一步识别和判断。

过去,医生用“眼睛”和经验来观察病理切片图像并判断病情。如今,人工智能的两项核心技术:神经网络和深度学习使计算机系统能够自动学习恶性肿瘤细胞和正常细胞之间的差异。除了癌症状况的分析和判断标准,并且在扫描病理部分之后,给出了医生参考的判断结果。计算机强大的计算能力弥补了一些医生因缺乏经验或罕见疾病和不治之症的不一致而造成的误判。此外,计算机还可以找到人眼难以察觉的小细节,并总结一些超出医生期望的规则,从而不断改进医生和计算机系统的知识系统。因此,人工智能使精准医学继续向前发展。

目前,微软亚洲研究院一直处于国际领先水平,对于2D医学图像识别结果的准确性。除脑肿瘤外,本研究的结果可以扩展到其他疾病的二维医学图像的识别和判断,如我们正在研究的肠癌。此外,我们还在研究肝脏肿瘤患者的CT三维图像。虽然三维图像与二维图像的识别技术根本不同,但基于微软亚洲研究院在人工智能领域的深入积累,我们认为我们处于3D CT图像中。认可的突破也即将来临。

超级电子病历,医生的“字典”

除了医学图像识别,我们还对医学文字处理做了大量研究。

在与外国同行交流时,我们发现世界各地医生撰写的医疗记录是最难的书法。由于时间有限,医生不得不与他们的医疗记录共舞。医疗记录以电子方式记录后,虽然解决了写作问题,但医疗记录中记录的各种描述性语言简洁,有些令人尴尬,有些甚至不完整。让医生按照病情复查,检查或学习参考说来非常不方便。

因此,我们的团队研究语言和自然语言理解技术,允许医生指定医疗记录,然后计算机将语音转换为文本,然后将其组织成一个包含所有关键字的树,总结所有有用和清晰的信息。信息允许患者或其他医生一目了然地查看所有病理过程,例如历史,使用了哪些药物,排除哪些疾病,要调查哪些疾病等等。

根据这样的电子病历,更换医生将不再影响不同医生对病人完整病情的完全了解;年轻医生也可以通过学习各种医疗记录快速成长;结构化电子病历甚至可以自动总结医生忽略的细节并推断,获得了解疾病的新线索;当然,大大减少医生写病历的工作量是没有必要的。

AI(人工智能)+ HI(人类智能)=超级医生

可以看出,计算机领域中的许多技术可以与医学应用紧密集成,无论是图像识别还是自然语言理解。随着计算能力的不断提高和人工智能技术的不断发展,未来的计算机将能够处理更复杂,更先进的信号,人类医学水平必将进入一个新的时代。

但是,医生永远不会被取代。在医学科学与艺术融合领域,人工智能技术将成为医生的“右臂”,帮助医生获取更方便的信息,协助医生做出更准确的诊断,而医生除了积累了丰富的专业知识外,而且还需要发挥更高的情商来与患者沟通。最后,将计算机的人工智能和医生的人工智能结合起来,成为具有精确专业判断和情感沟通的“超级医生”。让我们期待以人工智能为首的医学发展新时代!