“醫(yī)學(xué)影像本質(zhì)上是一個(gè)圖像識(shí)別問題，面臨的最大挑戰(zhàn)是小樣本學(xué)習(xí)的問題。”

5月30日－6月2日，由中國醫(yī)師協(xié)會(huì)、中國醫(yī)師協(xié)會(huì)放射醫(yī)師分會(huì)主辦，廣東省人民醫(yī)院及廣東省醫(yī)師協(xié)會(huì)放射醫(yī)師分會(huì)承辦的“中國醫(yī)師協(xié)會(huì)第十三次放射醫(yī)師年會(huì)”在廣州召開，這也是中國放射學(xué)界最高級(jí)別的會(huì)議之一，影像組學(xué)與醫(yī)學(xué)影像人工智能領(lǐng)域的跨界融合是這次會(huì)議的重要議題之一。

騰訊優(yōu)圖實(shí)驗(yàn)室醫(yī)療AI總監(jiān)鄭冶楓博士受邀出席，并進(jìn)行題為“深度學(xué)習(xí)在醫(yī)學(xué)影像分析上的應(yīng)用”的主題分享，分享優(yōu)圖實(shí)驗(yàn)室通過遷移學(xué)習(xí)和計(jì)算機(jī)合成圖像兩大方法，突破醫(yī)療AI數(shù)據(jù)量不足，沒有辦法像傳統(tǒng)機(jī)器學(xué)習(xí)那樣用大數(shù)據(jù)進(jìn)行喂哺的問題。

鄭冶楓博士在中國醫(yī)師協(xié)會(huì)第十三次放射醫(yī)師年會(huì)上做主題演講

騰訊優(yōu)圖實(shí)驗(yàn)室是騰訊頂級(jí)人工智能實(shí)驗(yàn)室之一，專注于在人臉、圖像、視頻、醫(yī)療影像等領(lǐng)域開展技術(shù)研究。騰訊首款將人工智能技術(shù)運(yùn)用在醫(yī)學(xué)領(lǐng)域的產(chǎn)品“騰訊覓影”，即是由騰訊醫(yī)療健康事業(yè)部牽頭，優(yōu)圖實(shí)驗(yàn)室提供的算法支持。

醫(yī)療AI面臨“雙重挑戰(zhàn)”

當(dāng)前人工智能技術(shù)的迅猛發(fā)展，與強(qiáng)大的計(jì)算能力、合理的優(yōu)化算法和高質(zhì)量的大數(shù)據(jù)密切相關(guān)。要讓機(jī)器像人類那樣思考，成為醫(yī)生的得力助手，就必須“喂”給它大量的數(shù)據(jù)，幫助它從中找出規(guī)律。但是，在醫(yī)療人工智能領(lǐng)域，這一切卻沒有這么簡單。鄭冶楓博士提到，近年來，深度學(xué)習(xí)在包括圖像識(shí)別、游戲、語音識(shí)別、自然語言處理等方面取得了重大發(fā)展。但是，醫(yī)療AI的發(fā)展卻面臨“雙重挑戰(zhàn)”。

一是缺乏訓(xùn)練樣本。鄭冶楓博士表示，“深度學(xué)習(xí)的目標(biāo)是盡量端對(duì)端，圖像進(jìn)去、結(jié)果出來，因而網(wǎng)絡(luò)越來越大，越來越多層，需要的訓(xùn)練樣本也越來越多�！钡�與自然場景下自然圖像獲取不同，醫(yī)學(xué)影像的獲取十分艱難。一方面，患者對(duì)于個(gè)人的就醫(yī)隱私要更為重視，醫(yī)學(xué)圖像幾乎不會(huì)上網(wǎng)和共享；另一方面，圖像采集的“高門檻性”也制約著訓(xùn)練樣本的獲取�！搬t(yī)學(xué)影像采集需要專門的設(shè)備，有一些設(shè)備非常昂貴，比如CT和核磁。”同時(shí)，疾病本身的特殊性也對(duì)算法工程師獲取樣本造成阻礙，鄭冶楓博士表示，“對(duì)于一些罕見病種，能夠找到的圖像就只有幾百張或者一千來張，因?yàn)槊磕甑陌l(fā)病量就那么多�！�

二是缺乏標(biāo)注。鄭冶楓博士介紹道，對(duì)于自然圖像來講，其標(biāo)定相對(duì)容易，即便是普通人也能夠直接標(biāo)注。但醫(yī)學(xué)影像不同，其標(biāo)注需要行業(yè)頂尖的專業(yè)醫(yī)生參與�！艾F(xiàn)實(shí)是，培養(yǎng)一個(gè)醫(yī)生需要十年時(shí)間甚至很長，加上臨床、科研任務(wù)重，做數(shù)據(jù)標(biāo)注對(duì)于醫(yī)生來說也是‘有心無力’�！�

兩大方法突破醫(yī)療AI小樣本學(xué)習(xí)問題

缺乏訓(xùn)練樣本、缺乏標(biāo)注這兩大挑戰(zhàn)讓深度學(xué)習(xí)“彈藥不足”，由此衍生出的“小樣本學(xué)習(xí)”問題一定程度上阻礙了AI醫(yī)學(xué)影像的發(fā)展。鄭冶楓博士提出，有兩種方法有助于解決這一問題：一是遷移學(xué)習(xí)；二是計(jì)算機(jī)合成圖像，比如生成對(duì)抗網(wǎng)絡(luò)。

在介紹遷移學(xué)習(xí)的概念時(shí)，鄭冶楓博士用了一個(gè)生動(dòng)的比喻：“比如說一個(gè)人去森林里找老虎，但從來沒有見過老虎，不知道老虎長什么樣。但假如他可以把貓和狗、狐貍等其他動(dòng)物區(qū)分開來，就可以先訓(xùn)練他去找貓，這就是預(yù)訓(xùn)練的過程。接下去，我們告訴對(duì)方：老虎就是黃色的貓放大100倍，從而達(dá)到‘找老虎’這個(gè)目的�！彼麖�(qiáng)調(diào)，遷移學(xué)習(xí)非常適用于解決小樣本的訓(xùn)練問題。

另一個(gè)方法則是計(jì)算機(jī)合成圖像。鄭冶楓博士表示，通過影像跨模態(tài)轉(zhuǎn)換，計(jì)算機(jī)合成圖像能夠有效補(bǔ)充訓(xùn)練樣本，而生成對(duì)抗網(wǎng)絡(luò)則讓訓(xùn)練如虎添翼：一個(gè)網(wǎng)絡(luò)生成圖像，一個(gè)網(wǎng)絡(luò)鑒別目標(biāo)的真?zhèn)�，把兩個(gè)網(wǎng)絡(luò)做一些聯(lián)合訓(xùn)練。訓(xùn)練結(jié)束時(shí)，生成網(wǎng)絡(luò)可以產(chǎn)生非常逼真的圖像。鄭冶楓博士以肝癌為例，“有時(shí)候跨模態(tài)生成的圖像會(huì)扭曲，會(huì)生成一些新的病灶，也可能遺漏一些病灶，為此，我們?cè)谘芯窟^程中會(huì)加上各類限制，減少生成圖像的失真。我們的算法很完美地保留了器官和病灶的形狀，是在用非常真實(shí)的圖像作為訓(xùn)練任務(wù)，通過這種方法，能夠讓準(zhǔn)確率得到明顯的提升�！�

“騰訊覓影”能精確定位3mm以上的微小肺結(jié)節(jié)，檢出率≥95％

醫(yī)療AI逐步落地 提升診斷準(zhǔn)確率和效率

通過遷移學(xué)習(xí)、計(jì)算機(jī)合成圖像等方法，影像診斷領(lǐng)域的深度學(xué)習(xí)取得了顯著進(jìn)展。以肺結(jié)節(jié)檢測(cè)為例，鄭冶楓博士介紹道，目前肺結(jié)節(jié)檢查方式主要是肺部CT，隨著薄層低劑量CT的應(yīng)用，圖像數(shù)量的倍增、小結(jié)節(jié)顯示率的提高及結(jié)節(jié)的定量測(cè)量等使得讀片的難度顯著增加，同時(shí)，繁重、枯燥的閱片工作使影像科醫(yī)師的疲勞度增加，漏診、誤診的風(fēng)險(xiǎn)也在增加。

人工智能的運(yùn)用，使得這些問題逐步得到解決。經(jīng)過不斷地迭代和更新，“騰訊覓影”早期肺癌篩查AI系統(tǒng)采用了騰訊優(yōu)圖實(shí)驗(yàn)室的“端到端肺癌輔助診斷技術(shù)”，能夠精準(zhǔn)定位微小結(jié)節(jié)位置和輔助醫(yī)生準(zhǔn)確判斷患者患有肺癌的風(fēng)險(xiǎn)。預(yù)處理模塊、檢測(cè)與識(shí)別模塊是這一系統(tǒng)的核心算法。前者利用肺部的三維分割和重建算法，可以處理不同CT成像設(shè)備在不同成像參數(shù)條件下產(chǎn)生的不同源數(shù)據(jù)。而后者采用了“深度學(xué)習(xí)領(lǐng)域最好的分割算法”——全卷積神經(jīng)網(wǎng)絡(luò)，可以實(shí)現(xiàn)早期肺結(jié)節(jié)檢測(cè)和分割。鄭冶楓博士表示，全卷積神經(jīng)網(wǎng)絡(luò)有兩部分，一部分是編碼器，把圖像不斷卷積和下采樣，最后壓縮到低維空間，這是不同任務(wù)可以共享的。一部分是解碼器，不斷卷積和上采樣，最后輸出一個(gè)輸入圖像大小一樣的分割結(jié)果，這部分是每個(gè)任務(wù)獨(dú)有的。我們預(yù)訓(xùn)練的編碼器會(huì)把所有任務(wù)的圖像都看一遍，因此訓(xùn)練得非常好�！�

“把編碼器訓(xùn)練好之后，就將其遷移到其它任務(wù)，如肺部分割和肺結(jié)節(jié)良惡性判斷上。采用公開數(shù)據(jù)集，發(fā)現(xiàn)不僅僅分割可以做得很好，分類也可以做得很好�！编嵰睏鞑┦繌�(qiáng)調(diào)，“在醫(yī)療AI上，技術(shù)方面大部分工作都差不多，最后的競爭還是在細(xì)節(jié)方面。比如在良惡性的判斷上，騰訊提出了Med3D預(yù)訓(xùn)練模型，該模型采用多個(gè)公開競賽數(shù)據(jù)集進(jìn)行訓(xùn)練。通過選取三維醫(yī)學(xué)影像進(jìn)行圖像分割任務(wù)，并對(duì)這些數(shù)據(jù)進(jìn)行抓取、收集，預(yù)訓(xùn)練一個(gè)模型，能夠大幅提高分割和分類的準(zhǔn)確率，解決了大部分結(jié)節(jié)不活檢，不知道良惡性的問題�！�

據(jù)了解，目前，“騰訊覓影” 通過人工智能醫(yī)學(xué)圖像分析能力輔助醫(yī)生閱片，已經(jīng)能精確定位3mm以上的微小肺結(jié)節(jié)，檢出率≥95％。同時(shí)，除早期肺癌外，“騰訊覓影”還能利用AI醫(yī)學(xué)影像分析輔助臨床醫(yī)生篩查早期食管癌、眼底疾病、結(jié)直腸腫瘤、宮頸癌、乳腺腫瘤等疾病。