作為人類的天敵，無論是哪種癌癥，不僅對于病人本身是一種折磨，對于家庭同樣是一種沉重的負擔。
今年 2 月，國家癌癥中心匯總了全國 347 家癌癥登記點的數(shù)據(jù)，發(fā)布了中國最新癌癥數(shù)據(jù)。我國每年新發(fā)癌癥病例達 429 萬，占全球新發(fā)病例的 20％，死亡 281 萬例，平均每分鐘約 7 人確診患癌。而在癌癥類型中，肺癌為發(fā)病率、死亡率雙率第一，消化道癌癥和乳腺癌同樣排在前列。
即使隨著技術水平的進步，已經有了包括切除病變部位和化療等多種治療方法，但癌癥仍然是人們揮之不去的陰影。因為大多數(shù)癌癥在初期卻都沒有太多癥狀，被發(fā)現(xiàn)的大多都是處于中后期，而中后期的癌癥不僅治療成本大，而且對于部分嚴重的腫瘤效果也不是太好。
但隨著 AI 技術的發(fā)展，事情開始出現(xiàn)了轉機。利用 AI 現(xiàn)在可以對多種疾病進行診斷，其中圖像識別的對于癌癥識別、檢測已經取得較大的進步。
癌癥診斷醫(yī)生 VS AI，AI 贏面越來越大
?。ˋI圖像識別對切片中疑似患癌部位的識別 圖|網絡）
目前在全世界各地，都有團隊在從事 AI 醫(yī)療影像識別技術，根據(jù)極客公園 2017 年發(fā)布的《關于人工智能，你應該關注什么》報告，目前國內智能醫(yī)療領域的研究主要集中于醫(yī)療機器人、醫(yī)療解決方案和生命科學領域。
而其中利用 AI 進行圖像識別，對癌癥的檢測、識別在近年來發(fā)展較為迅速，針對需要圖像識別方能確診的癌癥領域，人工智能的表現(xiàn)已經達到很高的準確率。極客公園從近期的公開新聞報道中梳理出了已經開發(fā)出相對成熟的案例：
圖像識別與肺癌、乳腺癌
香港中文大學研究團隊利用人工智能影像識別技術判讀肺癌及乳腺癌的醫(yī)學影像。該團隊采用深度學習技術判讀 CT 掃描圖像，通過深層神經網絡自動檢測識別出可能出現(xiàn)肺小結節(jié)的位置，只需要30 秒便可判別是否出現(xiàn)癌病，準確率達 91%。
另外，該團隊還利用深層卷積神經網絡分階段處理乳腺癌的切片圖像。相比資深病理醫(yī)生人工檢測的結果，AI的準確度高出 2%，達到 98.75%，耗時只需 5 至 10 分鐘。
圖像識別和食管癌
食管癌是最常見的惡性腫瘤之一，但因為沒有有效的早期篩查手段，目前我國早期食管癌檢出率低于 10%，但在早期食管癌的治愈率超過 90%，但在中期和晚期的食管癌治愈率卻只有 40% 左右。
騰訊在和定點醫(yī)院合作后，由醫(yī)生對數(shù)十萬張食管內鏡檢查圖片進行分類，采用雙盲隨機方法，由不同級別醫(yī)生進行循環(huán)評分標注。然后將結果交給騰訊 AI 技術團隊進行圖像處理、增強，借助深度學習技術，篩查可疑食管癌的能力。該技術對早期食管癌的診斷率高達 90%。
圖像識別和腸癌
腸癌同樣是發(fā)病率最高的癌癥之一，盡管大腸癌體檢中的癌癥發(fā)現(xiàn)率已經不是什么難事，但大腸癌的內視鏡檢查仍存在 24% 漏查率。因此日本國立癌癥研究中心正在和大型電子機器制造商合作，通過 AI 圖像識別，在發(fā)現(xiàn)醫(yī)生未能通過內視鏡畫像識別發(fā)現(xiàn)大腸癌時，該系統(tǒng)將發(fā)出警報提醒醫(yī)生，并對患病位置進行標注。
在這個系統(tǒng)里，將讓人工智能「深度學習」正常的大腸圖像以及大腸癌的圖像共 14 萬張，從而達到 98% 的癌癥判斷準確率。日本方面計劃將用2 年時間來進行臨床試驗，此后可在體檢中心使用。
圖像識別和阿茲海默癥
雖然阿茲海默癥并非一種真正的癌癥，但它導致患病者的認知和記憶功能不斷退化，日常生活能力進行性減退，并伴隨各種精神癥狀和行為障礙。作為一種常見的、原因未明的神經系統(tǒng)退行性疾病，對中老年人的身心健康造成的危害性不亞于癌癥。
AI 在阿茲海默癥的發(fā)現(xiàn)和防治方面，同樣取得較大的進步。意大利巴里大學的研究人員開發(fā)出一種算法，可在阿爾茨海默氏癥癥狀出現(xiàn)之前，檢測出大腦中產生的微小的結構變化，從而判定其是否有罹患阿茲海默癥的可能性，該檢測對輕度認知障礙的成功率達84%。
另外，國內「腦醫(yī)生」團隊也在嘗試利用圖像識別進行阿茲海默癥的檢測和診治。醫(yī)生將受試者數(shù)據(jù)上傳，腦醫(yī)生通過圖像處理、大數(shù)據(jù)運算和統(tǒng)計學分析等方法將醫(yī)生的經驗量化、標準化，最后得到診斷報告，從多家三甲醫(yī)院進行臨床試用的結果來看，準確率達 85%。
機器的自主學習，比人類更加精確
（卷積神經網絡的工作流程）
AI 圖像識別，是計算機對圖像進行處理、分析和理解，以識別各種不同模式的目標和對像的技術。識別過程包括圖像預處理、圖像分割、特征提取和判斷匹配。
以香港中文大學利用 AI 圖像識別對肺癌和乳腺癌的研究為例，其主要方式為通過搜集大量肺癌患者確診大量影像圖片，然后交由卷積神經網絡進行分析，將疑似患者的 CT 圖像和 AI 整合的數(shù)據(jù)進行對比，發(fā)現(xiàn)其相似點，并判斷該圖像是否符合癌癥的特征，如果是，則對相關部位進行標注。而原來這個過程是需要醫(yī)生進行仔細辨別來發(fā)現(xiàn)的。
而和所有真正的人工智能一樣，醫(yī)療領域的圖像識別技術具備自主學習能力。隨著案例的增加，在早期需要依靠標注的案例才能進行識別的情況將被改變，AI 將會自己習得識別能力，對癌癥的識別的準確率會越來越高。
在醫(yī)療領域利用AI 圖像識別還可以將醫(yī)生從大量勞動和經驗積累的工作中解放出來，既節(jié)省了時間，同時也提高了準確率。最大程度幫助醫(yī)生盡早發(fā)現(xiàn)患者是否患癌，以便盡早治療，也可以為患者節(jié)省大量成本。
不過技術雖然好，但是還得需要人主動去使用，所以養(yǎng)成定期進行全面檢查的好習慣才是盡早發(fā)現(xiàn)病疾最快的方式。
