圖像識(shí)別技術(shù)已經(jīng)可以認(rèn)出人臉，也能用于自動(dòng)駕駛中，那它用于醫(yī)學(xué)影像，識(shí)別病變中又如何呢？在《國(guó)內(nèi)人工智能+醫(yī)學(xué)影像公司大盤(pán)點(diǎn)》一文中，雷鋒網(wǎng)介紹了國(guó)內(nèi)將深度學(xué)習(xí)等人工智能技術(shù)用于醫(yī)學(xué)影像的眾多公司，它可以削減讀片時(shí)間，降低誤診的概率，推薦治療方案，協(xié)助醫(yī)生診斷。

本期硬創(chuàng)公開(kāi)課，雷鋒網(wǎng)請(qǐng)到其中一家公司DeepCare的創(chuàng)始人兼CTO丁鵬博士，為我們講講人工智能應(yīng)用于醫(yī)學(xué)影像的那些事兒。

嘉賓簡(jiǎn)介：

丁鵬，DeepCare創(chuàng)始人兼CTO，博士畢業(yè)于美國(guó)達(dá)特茅斯學(xué)院(Dartmouth College)，從事算法研發(fā)工作8年；在計(jì)算機(jī)視覺(jué)和深度學(xué)習(xí)技術(shù)方面有長(zhǎng)時(shí)間的科研經(jīng)歷，且有工業(yè)級(jí)算法開(kāi)發(fā)經(jīng)驗(yàn)；對(duì)人工智能技術(shù)產(chǎn)業(yè)化有深刻的見(jiàn)解，在如何將人工智能技術(shù)與醫(yī)學(xué)影像結(jié)合，開(kāi)發(fā)商業(yè)產(chǎn)品方面，也是國(guó)內(nèi)首屈一指的專(zhuān)家。

以下內(nèi)容來(lái)自丁鵬在雷鋒網(wǎng)硬創(chuàng)公開(kāi)課的分享：

雷鋒網(wǎng)：可以簡(jiǎn)單介紹一下DeepCare所關(guān)注的領(lǐng)域嗎？

我們主要的方向是醫(yī)學(xué)影像。醫(yī)學(xué)影像是一個(gè)很大的方向，從細(xì)胞病理學(xué)到組織病理學(xué)到影像科，都屬于這一范圍。我們經(jīng)過(guò)調(diào)研，確定做的是病理方向。原因是，病理醫(yī)生是“醫(yī)生中的醫(yī)生”，地位非常重要，是確定有沒(méi)有重大疾?。ㄈ绨┌Y）的最后一道防線(xiàn)，而國(guó)內(nèi)的病理醫(yī)生又是奇缺的，存在很大的供需矛盾。

我們的定位是，為病理醫(yī)生提供服務(wù)，提升他們的工作效率，幫助他們看片。一個(gè)方面是“查”，一個(gè)方面是“判”。查主要是指針對(duì)病理科的搜索、數(shù)據(jù)管理系統(tǒng)等，如以圖搜圖。二是判，指幫助病理醫(yī)生看片子。目前主要是做乳腺和肺癌。

雷鋒網(wǎng)：總體上看，把計(jì)算機(jī)視覺(jué)等人工智能技術(shù)用在醫(yī)療上，在國(guó)內(nèi)目前的發(fā)展，處于什么樣的階段？

對(duì)于這個(gè)問(wèn)題，要先看看深度學(xué)習(xí)等新技術(shù)，用在傳統(tǒng)行業(yè)上（比如醫(yī)生看?。┑囊饬x有哪些。無(wú)論在發(fā)達(dá)國(guó)家還是發(fā)展中國(guó)家，優(yōu)質(zhì)醫(yī)療資源的供需始終是一對(duì)矛盾，因?yàn)榫薮蟮娜丝趬毫Γ@個(gè)問(wèn)題在中國(guó)尤為突出。這也是為什么在協(xié)和醫(yī)院門(mén)口是看到那么多外地人到北京看病，又掛不上專(zhuān)家號(hào)只能買(mǎi)黃牛票。

另一方面來(lái)說(shuō)，醫(yī)學(xué)影像是醫(yī)生看病，及決策的最大的信息入口。而醫(yī)生理解這些影像的本質(zhì)，即是醫(yī)生大腦經(jīng)過(guò)長(zhǎng)期的過(guò)程被大量數(shù)據(jù)訓(xùn)練出來(lái)的結(jié)果。一個(gè)客觀事實(shí)是，高中低年資的醫(yī)生在看同一張片子時(shí)候，得出的結(jié)論會(huì)有天壤之別，這也是為什么我們要去協(xié)和找“老大夫”看病的事實(shí)依據(jù)。

這是因?yàn)榭床〉男Ч蛷尼t(yī)的年限高度相關(guān)，而從醫(yī)的時(shí)間長(zhǎng)短不同意味著所接受的信息量不同。那么如果一臺(tái)機(jī)器學(xué)習(xí)了比人類(lèi)醫(yī)生多得多的案例或者圖片，會(huì)不會(huì)超越人類(lèi)呢？答案一定是肯定得。這也是應(yīng)用深度學(xué)習(xí)技術(shù)訓(xùn)練計(jì)算機(jī)“看懂”醫(yī)學(xué)影像的意義所在。

對(duì)于發(fā)展?fàn)顩r，我看來(lái)，無(wú)論在中國(guó)還是美國(guó)，在算法和數(shù)據(jù)上看，這一領(lǐng)域的發(fā)展都是在早期。它已經(jīng)走出了實(shí)驗(yàn)室，但離商業(yè)化還有很長(zhǎng)的路要走。

算法開(kāi)發(fā)上，通用物體檢測(cè)識(shí)別的算法又一個(gè)巨大的人群在做，但是在醫(yī)學(xué)影像領(lǐng)域由于數(shù)據(jù)的可獲得性差很多，所以研究的人和前者相比并不是特別多。但是越來(lái)越多的學(xué)者和研究機(jī)構(gòu)看好這個(gè)方向，開(kāi)始加大投入進(jìn)來(lái)。

高質(zhì)量的標(biāo)注數(shù)據(jù)方面，在這個(gè)方面中國(guó)與美國(guó)相比很有可能會(huì)“彎道超車(chē)”，因?yàn)槲覀兌贾涝诿绹?guó)拿醫(yī)療數(shù)據(jù)是個(gè)非常困難的事情，無(wú)論是科研還是商用；但是在中國(guó)因?yàn)轶w制的原因和政府對(duì)于技術(shù)創(chuàng)新的重視，會(huì)讓這個(gè)問(wèn)題變得更容易一些。

雷鋒網(wǎng)：根據(jù)你們的經(jīng)驗(yàn)將人工智能用于醫(yī)療，會(huì)面臨哪些主要困難和阻礙？

人工智能或者說(shuō)深度學(xué)習(xí)相對(duì)來(lái)說(shuō)是一個(gè)新技術(shù)，一個(gè)新的技術(shù)與老的行業(yè)相結(jié)合的時(shí)候往往會(huì)誕生出新的方向。目前的人工智能技術(shù)無(wú)論與哪一個(gè)行業(yè)結(jié)合，都必須聚焦到一個(gè)“場(chǎng)景”上來(lái)，比如說(shuō)“醫(yī)生讀片”就是一個(gè)場(chǎng)景。在這個(gè)場(chǎng)景上應(yīng)用新技術(shù)，特別是對(duì)于二三線(xiàn)城市中受訓(xùn)練較少的醫(yī)生，不僅會(huì)提高醫(yī)生判定的準(zhǔn)確性，更會(huì)提高醫(yī)生的工作效率，換句話(huà)說(shuō)，釋放了醫(yī)生的生產(chǎn)力。

要完成這個(gè)事情，需要有兩個(gè)必要條件。第一，適應(yīng)于具體問(wèn)題的算法；第二，高質(zhì)量的標(biāo)注數(shù)據(jù)。算法開(kāi)發(fā)是一個(gè)難點(diǎn)，但相對(duì)比較容易搞定。高質(zhì)量的小批量標(biāo)注數(shù)據(jù)我們也已經(jīng)獲得，但是如何進(jìn)行大批量數(shù)據(jù)的標(biāo)注，以及標(biāo)注質(zhì)量控制確實(shí)是一個(gè)比較困難的問(wèn)題。這涉及到最核心的資源，即高質(zhì)量醫(yī)生的時(shí)間與效率。除了時(shí)間，更重要的是如何做質(zhì)量管控，比如同樣一張圖，標(biāo)準(zhǔn)及答案是什么，誰(shuí)定義答案，由幾個(gè)醫(yī)生來(lái)標(biāo)注，標(biāo)注的是幾個(gè)階段，是盲標(biāo)還是非盲標(biāo)。這些都是要考慮的。

這個(gè)問(wèn)題業(yè)界目前還沒(méi)有給出一個(gè)清晰標(biāo)準(zhǔn)的答案，正在積極探索。

雷鋒網(wǎng)：在技術(shù)選擇上，醫(yī)學(xué)影像與其它圖像識(shí)別是否會(huì)存在差異？

這是必然的。自然世界里的圖像與人體內(nèi)的圖像有著天然的巨大差異，因此針對(duì)于不同問(wèn)題我們使用的算法也是不一樣的，絕對(duì)不可能一刀切。我之前做過(guò)一種醫(yī)學(xué)影像，它的病變的位置（做的是分割問(wèn)題）有從十幾個(gè)像素到幾千個(gè)像素，為了檢測(cè)小的病變點(diǎn)，如果downsampling次數(shù)太多，可能無(wú)法deconvelotion回來(lái)。

雷鋒網(wǎng)：主要會(huì)用到哪些技術(shù)和算法呢？

在CV上有三個(gè)最基本問(wèn)題：分類(lèi)，檢測(cè)和分割。我們處理的問(wèn)題中也用的這三種方法，在病理上主要是做細(xì)胞層面上的，比如分類(lèi)，細(xì)胞的分割，在細(xì)胞病理學(xué)上的檢測(cè)工作等。

雷鋒網(wǎng)：深度學(xué)習(xí)等技術(shù)是否適合所有類(lèi)別的醫(yī)學(xué)影像，是否有些更為合適？

將深度學(xué)習(xí)技術(shù)應(yīng)用在計(jì)算機(jī)圖像上的時(shí)候，有一個(gè)衡量問(wèn)題難易程度的“標(biāo)準(zhǔn)”，即這個(gè)問(wèn)題（圖像）讓人來(lái)理解的話(huà)是否可以做到。從我的經(jīng)驗(yàn)來(lái)看，一個(gè)人普通人（比如我自己）經(jīng)過(guò)簡(jiǎn)單的訓(xùn)練（比如一個(gè)小時(shí)左右）之后就可以在化驗(yàn)血液的圖片中找到紅細(xì)胞、白細(xì)胞等等；但是我需要經(jīng)過(guò)很多次高強(qiáng)度的訓(xùn)練之后，才有可能在肺部組織病理切片中看出，哪里是癌細(xì)胞以及它們對(duì)應(yīng)的亞型是什么。

從這個(gè)角度來(lái)看，我們做的理解組織病理切片的問(wèn)題，應(yīng)該是屬于醫(yī)學(xué)影像中非常難的問(wèn)題之一。對(duì)醫(yī)生難，因此對(duì)機(jī)器也不容易，但正是它的困難才帶來(lái)了無(wú)與倫比的價(jià)值，所以病理科醫(yī)生在被稱(chēng)為“醫(yī)生中的醫(yī)生”。病理科相當(dāng)于，如果判斷一個(gè)人是否有癌癥，影像科所得的影像都不能據(jù)此下最后的結(jié)論，而病理醫(yī)生可以下結(jié)論。

有幾個(gè)數(shù)字，國(guó)內(nèi)病理科醫(yī)生在冊(cè)的有1萬(wàn)多人，但經(jīng)過(guò)我們的訪(fǎng)談，認(rèn)為國(guó)內(nèi)需要大約6、7萬(wàn)的人才能滿(mǎn)足需求。但病理醫(yī)生的培養(yǎng)周期特別長(zhǎng)，北京某著名醫(yī)生的病理科主任曾跟我說(shuō)過(guò)，他們醫(yī)院45歲以下的病理科醫(yī)生會(huì)診時(shí)沒(méi)有發(fā)言權(quán)。因?yàn)榧?xì)胞本身的差異非常大，醫(yī)生也就要經(jīng)過(guò)大量的訓(xùn)練才行。

由于體制的原因，病理科醫(yī)生不直接面對(duì)患者，收入水平較低。幾家特甲醫(yī)院也需要花大價(jià)錢(qián)尋找病理醫(yī)生。這種供需矛盾也帶來(lái)了巨大的機(jī)會(huì)，這不僅是商業(yè)上的，也是有社會(huì)意義的。

雷鋒網(wǎng)：數(shù)據(jù)對(duì)人工智能來(lái)說(shuō)很重要，那醫(yī)學(xué)影像的數(shù)據(jù)來(lái)源及獲取渠道有哪些？

數(shù)據(jù)的來(lái)源的主體還是醫(yī)院，不過(guò)目前越來(lái)越多的第三方病理中心也是我們獲取數(shù)據(jù)的渠道之一。

雷鋒網(wǎng)：數(shù)據(jù)建設(shè)是一個(gè)難點(diǎn)嗎？標(biāo)注上是否會(huì)有更多困難？

數(shù)據(jù)標(biāo)注甚至比數(shù)據(jù)獲取更重要。之前我們做過(guò)一個(gè)非常有意義的研究，找來(lái)了40張乳腺癌的病理切片，分別讓中國(guó)的高年資和中低年資的醫(yī)生標(biāo)注，并和美國(guó)醫(yī)生標(biāo)注的“真值”做比較，結(jié)果是我們看到了恐怖的差異：在這40張片子上，高級(jí)醫(yī)生和普通醫(yī)生的水平差距在30個(gè)百分點(diǎn)。這個(gè)實(shí)驗(yàn)充分說(shuō)明了找到領(lǐng)域內(nèi)最厲害的醫(yī)生進(jìn)行標(biāo)注是多么的至關(guān)重要。

雷鋒網(wǎng)：圖像識(shí)別是否可以同時(shí)識(shí)別出多個(gè)部位的疾?。窟@里的難點(diǎn)又在哪？

醫(yī)學(xué)影像是醫(yī)生看病一個(gè)最大的信息入口。一張病理切片大概是1-3個(gè)G不等，比一個(gè)高清電影還大，其中蘊(yùn)含的信息也是海量的。因此可以說(shuō)，從一種重大疾病（比如癌癥）的篩查，到隨診，再到最后的判定，醫(yī)學(xué)影像都在其中起到最重要的作用。

對(duì)于識(shí)別多個(gè)部位的疾病，現(xiàn)在是可以查出多種疾病來(lái)的，同時(shí)，針對(duì)某一種病做到知名醫(yī)生的水平仍舊不容易?？床∈且粋€(gè)過(guò)程，目前來(lái)看，算法的開(kāi)發(fā)還是針對(duì)某一種器官，某一種病。如上所述，整個(gè)行業(yè)是在早期階段，目前的做法是個(gè)個(gè)擊破，比如肺部的病變就有很多種，現(xiàn)在的做法是分開(kāi)進(jìn)行。合并也是有方法的，比如有檢測(cè)多種病的算法，挨個(gè)都試試，看效果如何。

但目前來(lái)說(shuō)，能做好一種病的分析就很不容易。比如肺小結(jié)節(jié)在CT中的檢測(cè)，8mm以上的結(jié)節(jié)已經(jīng)有團(tuán)隊(duì)可以做到99%的檢測(cè)水平，但5mm左右的檢測(cè)仍非常難。所以，在評(píng)測(cè)這些算法時(shí)，也要有一個(gè)公正的方法。

雷鋒網(wǎng)：醫(yī)學(xué)影像與病例病史等資料的整合，從而做出綜合的智能分析，現(xiàn)在處于怎么樣的階段了？

在我看來(lái)，病例方面關(guān)于文本的處理是走在影像的前面。目前我了解，這兩個(gè)方面仍在獨(dú)立進(jìn)行，都不容易做好?；氐綌?shù)據(jù)源上來(lái)，在病例本身上，不同醫(yī)院，甚至一家醫(yī)院不同科室的醫(yī)生，寫(xiě)病例的方式也不一樣，它不是一個(gè)結(jié)構(gòu)化的數(shù)據(jù)來(lái)源。

醫(yī)生寫(xiě)病例時(shí)，是一種總結(jié)的方式，而不是一種連續(xù)的方式。比如，醫(yī)生與病人交流時(shí)，它像一個(gè)分類(lèi)器一樣，問(wèn)一個(gè)問(wèn)題，然后得到病人的回答，然后再往下問(wèn)，如果能抽象出來(lái)，就像一個(gè)樹(shù)狀分類(lèi)器。但病例只寫(xiě)了一個(gè)分類(lèi)器的結(jié)果，其中判斷的過(guò)程并沒(méi)有在病例中體現(xiàn)出來(lái)。

如果能讓病例信息更全面，更結(jié)構(gòu)化，這種信息才能真正利用起來(lái)。這也是我們選影像切入的原因，因?yàn)橛跋袷歉Y(jié)構(gòu)化的信息，以病理科為例，95%的判斷仍是影像中細(xì)胞本身的判斷?？傮w來(lái)說(shuō)，影像與病例這種多模態(tài)的信息的融合是一個(gè)方向，但兩者都是在早期階段。

雷鋒網(wǎng)：圖像識(shí)別類(lèi)公司一般有提供API，或自己做硬件，以及做整套方案等區(qū)分，在醫(yī)學(xué)影像上，會(huì)更適合哪一類(lèi)嗎？你們的選擇是怎么樣的？

這是一個(gè)產(chǎn)品形態(tài)問(wèn)題。我覺(jué)得無(wú)論是云端產(chǎn)品，還是前端硬件的方式都是可以的，主要看客戶(hù)（比如醫(yī)院）的需求，以及自身的網(wǎng)絡(luò)限制，需要具體問(wèn)題具體分析。

第三方影像中心有很多，他們的做法是將數(shù)據(jù)連到云端。但病理可能是另外一種情況，一張圖可能是1-3GB，這樣會(huì)受到醫(yī)院帶寬的限制，這種情況下可能是一種前端產(chǎn)品。以血液檢測(cè)科為例，有國(guó)外的機(jī)器自身帶有智能分析算法，做到了前端，最后需要的是醫(yī)生確認(rèn)。

商業(yè)路徑選擇要根據(jù)不同影像的特點(diǎn)來(lái)選擇產(chǎn)品形態(tài)。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。