騰訊科技訊 2019騰訊全球數(shù)字生態(tài)大會將于5月21日-5月23日在昆明滇池國際會展中心召開。5月22日上午，以“智醫(yī)療 至健康”為主題的智慧醫(yī)療專場重磅開啟。

隨著醫(yī)療行業(yè)融入更多大數(shù)據(jù)、人工智能、傳感技術等高科技，醫(yī)療服務正走向真正意義的智能化，并快步走進尋常百姓的生活。AI醫(yī)學影像分析、AI輔助診斷、AI運動視頻分析、AI病理分析等創(chuàng)新技術，正在不斷開拓智慧醫(yī)療的新邊界，更優(yōu)質(zhì)、高效、安全的醫(yī)療逐漸實現(xiàn)。

自2017年8月發(fā)布以來，騰訊覓影在病種上不斷突破、在服務上不斷優(yōu)化、在價值上不斷提升，已累計輔助醫(yī)生閱片2.7億張，服務近160萬患者，提示高風險21萬次。與此同時，騰訊積極參與和推進食管癌、胃癌、肺癌等癌癥的早期公益篩查工作，助力健康中國建設。

騰訊 AI Lab 持續(xù)為“騰訊覓影”提供技術支持，此次實驗室醫(yī)療中心首席科學家姚建華受邀到現(xiàn)場介紹了產(chǎn)品在AI輔助、導診與分診方面的進展，以及實驗室布局AI病理分析方向的科研突破。在AI輔診能力上，“騰訊覓影”已擁有輔助診斷、分診導診、預問診、智能用藥等AI產(chǎn)品，貫穿診前、診中、診后等診療全流程。病理分析則被稱為“醫(yī)生的醫(yī)生”，是疾病診斷的金標準。騰訊AI Lab正集中在這個領域的三大方向研究：基于AI的病理診斷模型、病理組學，及病理預后預測模型。他指出，“病理+AI”能夠提高可重復性、準確率和效率，改善我國病理醫(yī)師供需失衡的問題。

騰訊 AI Lab 醫(yī)療中心首席科學家姚建華在2019年首屆騰訊全球數(shù)字生態(tài)大會智慧醫(yī)療分論壇上演講

以下是演講全文：

“騰訊覓影”AI輔診產(chǎn)品貫穿診療全流程，服務醫(yī)生和患者

AI輔診產(chǎn)品貫穿疾病診療三階段

病人到醫(yī)院看病的過程可以分為三個階段：診前、診中和診后。這三個階段涉及到患者和醫(yī)護人員之間不同的信息交流和相關的決策過程。對于患者來說，診前會根據(jù)身體狀況進行一些咨詢，需要知道自己要去哪家醫(yī)院哪個科室看?。辉\中需要和醫(yī)生交流反映病情；診后要了解自己的用藥和康復計劃。

對于醫(yī)護人員來說，在診前需要通過問卷來收集患者的一些基本病情和病史信息，幫助和簡化后續(xù)診斷；在診中，醫(yī)生需要根據(jù)病人描述的病情、病史和檢驗結果做出診斷，并且決定治療方案和開出藥方。在診后，醫(yī)生還要根據(jù)病情的變化追蹤治療和康復的進展。

這幾個階段的工作重復性高且耗費人力，縮短了醫(yī)生真正有效的診斷時間。AI可以在診療流程的各個階段作為虛擬助手幫助和服務醫(yī)生或患者，優(yōu)化工作流程，避免一些失誤。例如對于患者來說，AI可以提供咨詢服務，指引患者就醫(yī)，以及提供定制化的治療康復方案；對于醫(yī)生來說，AI可以輔助他們預問診、診斷、開藥方。目前騰訊AI Lab已開發(fā)了智能導診、AI預問診、AI輔助診斷和智能用藥幾個貫穿疾病診療全流程的產(chǎn)品。

AI輔助診斷系統(tǒng)技術框架

這是“騰訊覓影”的AI輔助診斷系統(tǒng)的技術框架，基于醫(yī)療文本數(shù)據(jù)和自然語言數(shù)據(jù)，核心技術為自然語言理解、知識圖譜、深度學習和強化學習。在這個框架里，自底向上，通過建立知識庫和信息理解的算法，集成一些業(yè)務模塊，最后構建出不同應用場景下的產(chǎn)品。

首先，我們要收集一些原始數(shù)據(jù)，包括醫(yī)學教科書、電子病歷、百科、說明書和臨床檢驗報告等等，這些也是醫(yī)生診斷所依據(jù)的知識來源。通過對這些原始數(shù)據(jù)進行清洗、信息提取和知識關聯(lián)，我們可以建立結構化的臨床知識庫、標志庫和規(guī)則庫。利用自然語言理解算法，我們對患者和醫(yī)生之間的交流信息和臨床檢驗報告進行分析，實現(xiàn)語義識別和意圖分析等算法模塊。

然后，我們將相關算法集成為一些更高層的業(yè)務模塊，包括會話管理、需求引導、知識匹配和知識推薦等，將醫(yī)生和患者提供的信息與知識庫關聯(lián)起來。利用這些業(yè)務模塊，在不同的應用場景下可以搭建出不同的AI輔診產(chǎn)品。

“騰訊覓影”AI輔診產(chǎn)品進展

從2017年到現(xiàn)在，我們攜手“騰訊覓影”開發(fā)和落地了一系列AI輔診產(chǎn)品。最早上線的“騰訊覓影”AI輔助診斷系統(tǒng)利用知識圖譜和深度學習模型，可以診斷700多種常見病種，準確率達到96%。去年，“騰訊覓影”推出了服務患者的分診導診系統(tǒng)，可以智能分發(fā)和鏈接醫(yī)療資源，已上線300多家醫(yī)院，覆蓋超過200個科室，準確率達到98%。

最近上線的“騰訊覓影”預問診系統(tǒng)，利用強化學習支持多輪問答，收集有診斷價值的患者信息，已覆蓋400+癥狀，識別準確率達到94%。 另外還有“騰訊覓影”合理用藥系統(tǒng)，可以根據(jù)患者的病史、用藥史和過敏史為醫(yī)生提供實時的風險預報，包括重復用藥，藥物之間的相互作用和排斥，藥物過敏和劑量風險?，F(xiàn)在已支持11.8萬審核藥品，預警準確率達90%。

AI輔助病理診斷，提升診療效率和準確率

AI輔助診療中心環(huán)節(jié)——病理診斷

剛才講的只是病人看病的基本流程，對于像癌癥這樣的嚴重疾病，診斷過程更為復雜。首先要通過一系列如CT， MRI，內(nèi)鏡， X光等檢測和篩查方法，找出可能的病灶位置和屬性。其次，要得到最后的確診，還需要取出一些組織采樣制作成切片，在顯微鏡下放大40倍到400倍，觀察細胞形態(tài)和組織結構，進行病理分析。病理分析是通過對細胞和組織的微觀觀察，來找出疾病發(fā)生的原因以及對人體功能和結構的影響。病理診斷的結果將指導醫(yī)生制定手術、化療或放療等治療方案。病理診斷是診斷流程中重要的中心環(huán)節(jié)，是疾病診斷的金標準，因此病理醫(yī)生也被稱為“醫(yī)生的醫(yī)生”。

病理診斷在診療流程里起著重要作用，需求量十分巨大，但病理醫(yī)生卻一直供應不足，在中國尤為嚴重。中國目前僅有1萬5千名病理醫(yī)生，缺口近10萬，僅滿足15%的需求。培養(yǎng)一名合格的病理醫(yī)生需要近10年的時間，再加上醫(yī)學院相關學生后續(xù)不足，人才短缺的狀況將越來越嚴重。

另一方面，病理診斷極其復雜，每種癌癥的亞分型多達數(shù)10種，而且不同亞型之間細胞和組織形態(tài)可能很相似，診斷主觀性強、敏感度低。2015年一篇醫(yī)學文章對75名病理醫(yī)生在2000個乳腺癌病例的診斷進行了調(diào)查統(tǒng)計，發(fā)現(xiàn)非典型增生和導管原位癌很容易誤判。這兩種病變一種是良性病變，一種是癌癥，治療方案完全不同，誤診會對患者的健康和治療造成嚴重后果。由于病理診斷是基于對病理圖像中細胞形態(tài)和組織結構進行識別和匹配，相對成熟的計算機視覺等AI技術可以用于輔助病理分析，提升病理診斷的可重復性，效率和準確率，緩解目前病理資源不足的狀況。

病理AI的三個主要研究方向

目前病理AI的研究領域主要分為三個方向。

第一個方向是基于AI技術的病理診斷模型。病理診斷需要對癌癥進行分型、分級和分期，是個復雜和主觀性很強的過程，微小但重要的病灶在閱片中比較容易被忽視。一些較罕見的病變給經(jīng)驗不足的醫(yī)生帶來了很大的挑戰(zhàn)。利用大規(guī)模高質(zhì)量的訓練數(shù)據(jù)，基于深度學習的AI算法可以輔助醫(yī)生提高微小病變和疑難病例的識別能力。例如在區(qū)分結直腸息肉是普通腺瘤還是腺癌的問題上，我們的算法可以達到96%的識別準確率。而在乳腺癌淋巴結轉(zhuǎn)移癌的檢測中，我們的算法可以輔助醫(yī)生檢測到微小的轉(zhuǎn)移癌病灶，敏感度0.85，每張圖只有1.5個假陽。

第二個主要研究方向是病理組學，也就是從病理數(shù)據(jù)中提取對診斷有用的特征，進行定量化分析，建立病理特征和診療結果的關聯(lián)性。例如在越來越普及的免疫組化分析中，通過對細胞和組織中抗體和蛋白質(zhì)的定量檢測來得到腫瘤的精準診斷。這是免疫組化的兩個例子，基于細胞核染色的Ki-67和基于細胞膜染色的Her2，一個視野往往涉及幾百個細胞，準確計數(shù)十分費時，在實際臨床中醫(yī)生一般憑借肉眼大略地估算，但AI算法可以通過分割染色區(qū)域給出精確的免疫組化指數(shù)。

第三個主要研究方向是基于AI技術的病理預后預測模型。醫(yī)生希望通過結合病理數(shù)據(jù)和其他臨床數(shù)據(jù)來預測治療效果、病人生存率和癌癥遠處轉(zhuǎn)移率，幫助他制定最有效的精準個性化治療方案。比如說，如果預測到放射療法對某些病人效果不好，就可以盡早采用其他更有效的治療方法，減少病人痛苦和治療費用，同時爭取到更多有效的治療時間。復雜的深度學習模型如圖卷積模型可以幫助醫(yī)生更準確預測療效和生存率。在這個例子里，利用圖卷積預測肺癌生存率可達到71%的準確率。病理AI可以幫助醫(yī)生完成預測預后這種數(shù)據(jù)維度比較高的任務，進而確立治療方案。

綜上，病理AI在這三個領域中，分別幫助醫(yī)生提高診斷效率、一致率、準確率，還新增了醫(yī)生的預測療效能力。