产学研赋能AI医疗,加速场景落地应用

去年香港公立医院的医生流失率达5.9%,创历年新高,放射科和病理科皆为重灾区。据IBM推测,九成医学数据都是医学影像,可见医学影像对临床断症日益重要,若负责相关专业的放射科和病理科医生人手短缺,则影响匪浅。视见科技联合创始人、首席科学家、中大计算机科学与工程学系王平安教授及其团队成功研发的人工智能医学影像识别技术,可减轻医生的工作量,提升断症的准确度。

深度学习属人工智能的分支,以卷积神经网络(CNN)作影像运算,能够「看」到影像细节,加以分析。王教授说:“人工智能平台会按医护人员或工程师的指示分析和解读数据,过程犹如大脑从眼睛接收视觉刺激,继而建构有意义的信息。这系统就像会下围棋的人工智能程序AlphaGo,只要给它足够的数据作运算训练,便能运筹决胜。”

右起:王平安教授及窦琪博士

王教授的团队近年针对肺癌及乳腺癌香港两大常见危疾,个案验证其人工智能平台成效,准确率分别高达91%及99%,王教授说:“癌症的确诊个案与日俱增,对医疗系统造成一定压力。不过,以往医生要花十五分钟去解读的医学影像,已可以通过智能平台快速识别病灶,让病人更快接受合适的治疗,影响深远。”

医生的得力助手:

早期肺癌多以肺结节的形式出现,医生会在肺部CT影像发现细小的阴影。单靠肉眼判断一幅CT影像需时约五分钟,准确度或会因为放射科医生的经验与专注力而有差异。研究团队采用三维CNN深度学习技术,能辨别胸腔CT图像的结构特征,于三十秒内找出有问题的肺结节。王教授的学生窦琪博士说:“扫瞄立体的CT和MRI影像难度较高,我们的团队率先提出以三维CNN技术识别立体影像的特征,这项技术在国际赛事屡获佳绩。”

乳癌是香港女性最常见的癌症,要准确断症,医生须抽取活组织样本仔细化验,但一幅数码活组织全切片图像的解像度非常高,档案大小可达1GB,相当于一部九十分钟高清电影,除了需要一个稳定的系统处理高像素的数据,检测过程也十分费时费力,凭肉眼判断一幅影像耗时十五至三十分钟。王教授的团队研发出一个CNN模型,可于五至十分钟内自动识别癌细胞,较其他先进的系统快六十倍,准确度比资深病理科医生的判断高2%。

系统自动识别乳腺癌症转移组织(蓝线圈画部分)

肺癌的假阳性表征与肺结节十分相似,要识别肺结节难度极高。王教授说:“我们设计一个网上筛检系统,找出怀疑有问题的样本去训练人工智能系统,以提升筛检的准确度,再以一个深度学习模型定位,并挑选出有问题的肺结节。”去年,团队的深度学习技术于MICCAI(医学影像计算与计算机辅助介入国际会议)赢得医学影像分析最佳论文奖。

团队于2013年着手研究医学影像分析项目,分析了逾五千个来自不同国家的病例。窦琪博士说:“为尊重病人私隐,我们会在分析数据前移除他们的个人资料。”自动化医学影像分析于医护界渐得好评,王教授冀望业界数年内可广泛应用其深度学习系统,他说:“我们会把系统应用于更多常见的危疾,例如子宫颈癌和鼻咽癌,现时团队与中山大学肿瘤防治中心合作,研究以人工智能勾划鼻咽癌放射治疗范围,勾划过程少于一分钟。”

产学研结合,夯实落地应用:

人工智能技术能有效纾解医护人手不足,提升服务质素。截至2017年2月,全球已有一百零六家人工智能医疗初创企业,视见科技是其中之一,由中大虚拟现实可视化与图像研究中心「孵化」而成,王平安教授是该中心主任,也是视见科技的联合创办人和首席科学家。

视见科技锐意研发医学影像分析软件及可扩展的影像自动识别平台,获得投资者青睐。3月31日,视见科技宣布完成六千万元的A轮融资。

今年2月,视见科技与中大深圳研究院签订研究与产品开发的合作协议,王教授说:“大学会专注于科研和培育科技人才,而公司会致力与业界伙伴建立战略合作关系,开发更多产品。大数据现正转化医疗发展,大家都见证到自动化数据分析如何辅助医生诊断,我们会继续与医护界合作,尽心为病人谋福。”