【為什麼我們要挑選這篇文章】在醫療中，病理分析是關鍵的流程，它可以抓出病患的疾病，並提供相對應的治療；然而病理圖像診斷技術需要花數年的時間培養，因此合格的病理醫師短缺，工作量隨之增加；加上顯微畫面對醫師造成視力傷害，讓短缺的情況更嚴重。
中國清大有個博士後研究生正在打造 AI 醫療輔助系統，協助病理醫師做診斷，期望解決醫師短缺問題。這項研究目前進展如何？（責任編輯：郭家宏）
根據 WHO 下屬「國際癌症研究機構」公佈的最新全球癌症數據報告，2018 年全球新增癌症診斷病例約 1910 萬，死亡病例約 960 萬。約 1/5 男性和 1/6 女性會罹患癌症，1/8 男性和 1/11 女性因癌症而死亡。
對於癌症，能夠早發現、早治療，風險就越小。癌症的形態可能千變萬化，其確診的關鍵在於病理診斷。
在醫學界，病理被稱為是腫瘤診斷的「金標準」，病理科的醫生也被稱為「醫生的醫生」，而一位能夠獨立簽發病理報告的病理醫師需要 10 年以上的培養週期。中國目前共有約 1 萬名註冊在案的病理醫師，根據 WHO 的要求，人才缺口為 4 到 9 萬人。培訓週期長、勞動強度大等是阻礙病理科新生力量增長的主要原因。
近日，文摘菌（本文作者）走訪了清華大學交叉信息研究院博士後、透徹影像技術總監王書浩，他告訴我們，「相比於 CT、X 光片這些灰階圖像，病理圖像資訊量更大。」
一張數位 X 光片大約由 2000×2000 個像素組成，一張 CT 大約由 512×512×截面數（大約 100 – 200）個像素組成，這樣的圖像保存後大小仍然在 MB 級別。而數位化的病理影像最高能夠放大 400 倍，文件尺寸高達 120k×200k 量級，體積在 GB 級別。就像看起來平凡無奇的電子地圖可以高倍放大到看清街道細節一樣，醫生能夠觀察到組織的細胞形態甚至是細胞核形態。與此同時，病理文件的建模和分析也面臨著諸多挑戰，這些挑戰需要從人工智慧和工程層面去應對。
病理醫師短缺造成工作量極大，增加視力傷害與誤判風險
一位醫生經過十年的培養才能獨立簽發病理報告，有人說，把中國病理醫生的缺口堵上要花上超過 100 年時間，這造成現在病理醫生診斷量非常大，病理醫生工作繁重。
為了儘量減少誤診，美國要求病理醫生一天的閲片量不得超過 80 張，但是因為人才短缺，中國的病理醫生平均一天要看 100 到 200 張切片，而像中國人民解放軍總醫院（301 醫院）這樣的大型醫院，一天要看的病理切片的數量在 300 到 400 張。
因為病理切片需要放在高倍顯微鏡下觀察，顯微鏡的強光對醫生眼睛的損害很大。現在很多醫院都配備有數位掃瞄儀，這樣不僅可以將切片數位化後通過顯示器完成診斷，而且能夠使用 AI 進行分析。隨著 AI 技術的發展，用 AI 來輔助病理醫師對樣本進行診斷能夠大幅彌補病理醫生的空缺。不僅能夠大幅提高醫師的診斷效率，而且可以減少漏診，提高診斷準確率。
AI 病理輔助診斷系統，提升診斷效率並降低誤診
從理論上講，在一個定義非常明確的問題上，演算法可以做到比一般醫生更準確，可以無限接近資深醫生的水準。在實際應用中，AI 病理輔助診斷系統在落地之前，需要解決的問題遠比想像中要多。
數據採集
一般情況下，演算法模型都是從數據採集開始，然後搭建並訓練模型，最後在應用場景落地。這其中，數據採集對於多數新創公司而言都是一大難題，尤其是醫療行業，涉及到數據多樣性、標註準確率、倫理等諸多方面。
在創業初期，透徹影像推出了一款專門為醫生設計的標註系統 ThoroughWisdom。醫生使用 iPad 和 Apple Pencil 大致圈出病變區域，透徹影像的演算法就會自動勾勒出病變範圍。
訓練模型
數據採集完畢後，就是對模型進行訓練。病理影像的一個難點就是圖像比較大，現有 GPU 無法單次完成整張病理影像的分析學習，所以需要先對圖像進行切分。透徹影像在清華大學部署了一套基於 TensorFlow 的訓練集群。在訓練模型時，有一個非常重要的步驟是進行數據增強，以往數據增強主要是用於數據量不足的情況，但在病理模型的訓練過程中，數據增強是為了人為增加擾動，模擬不同醫院製片情況的不同。因為病理領域尚無統一的製片標準，每個醫院製片過程不同，切片形態也不同，顏色有深有淺，有的偏紅有的偏紫。訓練之後，模型可以識別來自不同醫院的不同切片。
為了提高模型識別的準確度，需要不斷調整訓練數據，王書浩博士提到，「之前模型對於高分化腺癌的識別率較低，是因為數據庫中相關的數據相對較少。通過增加高分化腺癌的學習數據，可以在一定程度上提高輔助系統的準確率。當模型接近成熟時，還會加入疑難雜症的病理數據供模型學習。」
模型落地
透徹影像基於訓練完成的模型，研發分佈式病理輔助診斷系統 ThoroughInsights。該系統可以基於演算法模型自動圈出病變區域，並給出病變機率分佈與癌占比等資訊，病理醫生可以以此為依據進行針對性的檢查，從而提升診斷效率。
總結來說，AI 病理輔助診斷系統可以在三方面對醫生進行協助。首先是防止漏診、提高診斷效率；其次由於 AI「閲片無數」，其診斷結果比醫生更加客觀。王書浩博士介紹，「有時，301 的醫生無法達成一致意見時，會提出用 AI 來看一下」。第三就是改變病理醫生的工作模式：從低頭看顯微鏡到抬頭看顯示器，減少了顯微鏡強光對醫生眼睛的損害。
AI 輔助醫療系統目前無法取代醫師，只能協助醫師診斷
在採訪前兩週，透徹影像聯合 301 醫院的 15 名一線醫生進行了一場人機協同病理診斷測試，測試用的切片來自 301 病理科副主任宋志剛挑選的 100 張有一定診斷難度的胃部病理切片。15 名醫生分為三組——顯微鏡組（採用傳統的顯微鏡閲片方式）、數位組（透過數位切片進行診斷）、AI 組（利用透徹影像開發的 AI 輔助系統進行診斷）。從準確率來看，相同時間下，AI組＞顯微鏡組＞數位組。以往文獻認為數位切片比傳統切片更易於查看，實驗結果與這一結論相悖。宋志剛主任推測，其原因在於醫生對於用電腦閲片不夠熟練，所以觀察數位切片反而不如用顯微鏡觀察得心應手。
據 301 醫院宋志剛主任介紹，病理醫生一天診斷的切片中只有 20% 是疑難切片，但篩選出這 20% 的疑難切片往往要占用病理醫生 80% 的工作時間。醫生們希望將病理樣本初篩的工作交給 AI 處理，以節省病理醫生的工作時間。從這個思路出發，他們選擇從胃腸部疾病診斷入手，構建出一個可以進行胃腸病理樣本初篩的 AI 輔助診斷模型。
「一開始覺得這件事情挺容易的，後面真正做起來發現困難很多」，當問到 AI 病理輔助系統的效果時，宋志剛主任說，「我們現在還沒有用它完全取代醫生的病理診斷，而是把它當作輔助初篩、防止漏診的工具。現在這套 AI 輔助醫療系統的敏感性沒有問題，惡性的癌都能識別。當然，還存在一定的優化空間，例如會出現假陽性的情況。」
現在系統的敏感度達到 100%，特異性為 86%，這意味著在保證不漏診的前提下，每一萬份陰性病例中有約 1400 份可能會被識別為陽性，而這些假陽性的原因各不相同，需要病理醫生對它們進行更加深入的診斷。持續提升模型的特異性，是透徹影像未來重要的研發方向。
從量子物理轉到 AI 醫療，運用科技推動數位醫療發展
2012 年，本科大四階段的王書浩被免試推薦到清華大學物理系攻讀博士學位，研究方向是量子資訊。
2014 年三月底，在家休假的他鼓起勇氣，給清華大學交叉資訊研究院的徐葳教授寫了一封信：
「尊敬的徐老師您好，我是清華大學物理系 2012 級的直博生王書浩，研究方向是量子資訊，希望您不嫌棄我的非電腦專業背景，能跟我聊一下。
雖然身為物理系的學生，但是我被 IT 領域所湧現出的新進展而震撼，並為這些新的技術而感到興奮。……我非常希望能夠加入到資訊技術發展中的熱潮中去（尤其是大數據）。這一點，我的導師龍老師也是非常支持的。
相對於電腦專業的學生，我的基礎肯定會讓您失望。不過，我有一顆勇於突破自我的心，而且，至少在科研中，我能夠用文章證明我不甘於平庸。我還有三年多的時間在清華度過，想把自己的青春奉獻到自己感到興奮的事業中去。
希望能收到您的回覆。」
讓他沒有想到的是，徐老師很快給出了回覆。於是，他們在 2014 年愚人節的晚上，非常愉快地聊了兩個多鐘頭。
「現在回想起來，那時的我真的是年少輕狂。直到今天，當我每次翻開那封郵件，都會百感交集，」對於王書浩博士而言，「那時的勇氣，造就了我的今天。」
從第一次去到清華的地下數據中心，王書浩便開始了不斷學習，和同學一起採集、分析、運行數據，同時用機器學習進行建模。
開始總是辛苦的。一方面，由於非科班出身，很多東西要從頭學起，且合作的同學都是「姚班」（清華學堂計算機科學實驗班，集結全中國電腦科學人才的專班）的學生，天資遠超於常人，王書浩要非常努力才能跟上他們的節奏；另一方面，因為他還在物理系進行量子資訊的研究，帶著一個幾號人的小團隊。「那時我經常與別人開玩笑說自己是重度精神分裂症患者，上午 Quantum，下午 System，晚上又變成了 Quantum。」
當他慢慢開始聽得懂交叉資訊的組會，數據中心建模的研究也開始取得進展。同時，他還聯合不同院系的同學成立了一個跨學科的研究組織：一個名為 Quantum Computer Club 的興趣團體，讓物理系的、數學系的、自動化系的學生一起去思考與討論未來量子計算的可能用途。
第一份實習 offer 來自百度系統部智能數據中心團隊，在那裡王書浩開始看到了產業界是如何把教材知識變成生產力的。或許是受到物理學習的影響，王書浩「總想把書本上的東西，透過一個項目或者發明實現出來，這個可以實際地幫助解決社會問題，也能反過來促進一些理論理解，因為實踐出來的就是真實可信的。」
讀博期間，王書浩依舊是少數派。通常博士生在實驗室裡做專案居多，而王書浩則是在各大公司實習。面對京東的雙 offer，王書浩還是想做更有意義的事情，想用人工智慧推動醫療的發展，「醫療這件事是沒有原罪，並對社會有益的……每天的努力都會創造社會價值。」
在和徐老師交流後，王書浩博士回到清華做博士後開始「人工智慧醫療」的研究課題。就人工智能醫療的市場而言，醫療影像、藥物挖掘、輔助診斷以及健康管理等各大方向已有人涉足，而病理卻是一片藍海，於是便以透徹影像（北京）科技有限公司技術總監的身份開始創業。
現在，理科出身的王書浩博士已經能夠和病理醫生順暢溝通，而在最初，他也是一個病理新手。用他的話來說，「病理醫生是最願意教也最願意學的一群人，他們願意手把手地教我這個新人，也願意從我這裡瞭解人工智慧，病理科的醫生們現在講起 AI，比我講得還要生動。」
「未來的病理科應該是全數位化的」，這是王書浩的憧憬，「除了診斷，之前的製片、染色等過程也都可以透過機器自動化。」
透徹影像從 logo 到公司宣傳都有相同的淺紫色主色調——這是病理切片製片時所用的 HE 染色劑的顏色。王書浩說，「我們正在繪製一張未來病理的藍圖」。他從來不怕開始進展慢，「因為有句話叫做萬事起頭難」，「還有另外一句話是好事多磨」。
（本文經合作夥伴 大數據文摘 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為〈从量子物理到AI医疗，这位清华博士后想用十年弥补病理医生的”百年缺口”〉。首圖來源：大數據文摘）
更多關於 AI 的消息
機器學習演算法的三大陷阱：人類看不到，但 AI 看得一清二楚的「隱藏變數」
【AI 電話詐騙】駭客用 AI 模擬 CEO 的聲音，成功騙取公司 770 萬台幣！
採用比 AlphaGo 更複雜的演算法，日本麻將 AI 在四個月內電爆人類玩家！
