文：趙泓維

近日，來自四川大學(xué)章毅教授領(lǐng)導(dǎo)的機(jī)器智能實驗室(MILab)的團(tuán)隊再傳喜訊!斬獲全球醫(yī)療影像大賽LiTS冠軍，再次改寫了LITS(Liver and Tumor Segentation Challenge，肝臟腫瘤病灶分割挑戰(zhàn))記錄，這一記錄曾被騰訊優(yōu)圖實驗室、健培科技等一流人工智能團(tuán)隊所占據(jù)。而機(jī)器智能實驗室(MILab)在其已有的優(yōu)秀記錄之上再次拔高了AI腫瘤分割的dice值。

世界頂級肝臟腫瘤分割大賽是一場由德國慕尼黑理工大學(xué)、以色列特拉維夫大學(xué)等高校、MICCAI聯(lián)合舉辦的比賽。其賽程的實質(zhì)是在給定肝臟腫瘤病灶CT圖像數(shù)據(jù)庫的條件下，使用參賽者們的算法對庫中影像進(jìn)行自動分割，以提升疾病診斷、圖像引導(dǎo)手術(shù)及醫(yī)學(xué)數(shù)據(jù)的可視化，發(fā)掘臨床診療與病理化研究過程中的依據(jù)。

肝臟腫瘤的形狀各異、大小不同、位置復(fù)雜、種類繁多，有些腫瘤塊肉眼無法區(qū)分?，F(xiàn)有的方法時間復(fù)雜度高、實用性有限，且在臨床之中往往難以操作。未解決肝臟腫瘤分割問題，機(jī)器智能實驗室(MILab)實驗室另辟蹊徑，提出了一種三階段的自動分割算法，首先關(guān)注患者肝臟各組織的構(gòu)造，然后在肝臟的關(guān)鍵區(qū)域?qū)δ[瘤影像進(jìn)行精確分割。

在模型方面，團(tuán)隊巧妙地設(shè)計了一種2.5D全卷積神經(jīng)網(wǎng)絡(luò)框架，能夠非常方便的進(jìn)行遷移學(xué)習(xí)，降低分割模型的訓(xùn)練時間，減少自動分割的時間復(fù)雜度。至2019年3月13日，該方法達(dá)到了0.737的dice指標(biāo)，擊敗了百余名來自全球各地的參賽選手，取得LiTS腫瘤分割排行榜第一名的成績。

　　ICU預(yù)警、胸部器官分割賽事均有突破

不僅僅是胸部腫瘤，在一些更接近臨床的地方，機(jī)器智能實驗室(MILab)同樣取得了優(yōu)異的成績。

國內(nèi)ICU如今面臨巨大壓力。一方面，隨著老齡化的到來，病人數(shù)量不斷增加，而醫(yī)生成長時間長，供求差額越來越大，專業(yè)醫(yī)生資源嚴(yán)重不足。另一方面，目前很多疾病診療缺乏適用于國內(nèi)人群的專業(yè)指南，均靠醫(yī)生經(jīng)驗判斷，而有經(jīng)驗的臨床醫(yī)生非常有限。

對于醫(yī)生而言，進(jìn)入ICU的患者病情普遍多變復(fù)雜，綜合數(shù)據(jù)維度多達(dá)236項，遠(yuǎn)超過了人力的控制范圍，難以精準(zhǔn)評估病情變化。對于患者而言，ICU的開銷不菲，人均消耗醫(yī)療費用75673元(年產(chǎn)生醫(yī)療費用1000多億元)，可以說ICU是醫(yī)院中最“燒錢”的科室。

從醫(yī)生的需求出發(fā)，機(jī)器智能實驗室(MILab)針對性的參加了一些特定項目的AI比賽，譬如MPC(Mortality Prediction Challenge死亡預(yù)測挑戰(zhàn))等，嘗試處理影像信息以外的數(shù)值化信息，以輔助急癥室，手術(shù)室等需求急迫的科室，尋求更深遠(yuǎn)的價值。

MPC通過嘗試統(tǒng)計ICU患者的多種身體健康數(shù)值指標(biāo)(血壓，葡萄糖指標(biāo)等)、個人信息(年齡，性別等)及疾病狀況，從而預(yù)測住院期間病人的存活概率。通過分析以上數(shù)據(jù)，醫(yī)護(hù)人員可以及時分析問題，嘗試對患者現(xiàn)有的儀器狀態(tài)進(jìn)行調(diào)整以挽救患者生命。

機(jī)器智能實驗室(MILab)團(tuán)隊歷時一個月參加該比賽，該比賽的訓(xùn)練集總計80000條病人記錄，每條數(shù)據(jù)有300多個維度，但只有2000條數(shù)據(jù)的部分維度信息處于“反常狀態(tài)”。數(shù)據(jù)不平衡問題是目前的深度神經(jīng)網(wǎng)絡(luò)的重點研究的領(lǐng)域，該比賽需要參賽者從如此大量的數(shù)據(jù)中尋找的這些反常數(shù)據(jù)，進(jìn)行特征選擇，并分析相關(guān)因素對患者死亡時間的影響。

在處理這一問題上，機(jī)器智能實驗室(MILab)首先嘗試用多種傳統(tǒng)機(jī)器學(xué)習(xí)方法做數(shù)據(jù)特征選擇，篩選出其中表現(xiàn)最好的算法，再結(jié)合神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測。經(jīng)過反復(fù)的迭代后，團(tuán)隊的預(yù)測模型的準(zhǔn)確率達(dá)到了78%，并在3月15日奪得了榜首。

此外，在一個月前，MILab團(tuán)隊參加了歷時三周的CT圖像胸部器官分割比賽(SegTHOR, Segmentation of THoracic Organs at Risk in CT images)。該比賽由法國貝克勒爾地區(qū)抗癌中心和魯昂大學(xué)聯(lián)合舉辦，參賽隊伍達(dá)到160多支。機(jī)器智能實驗室(MILab)團(tuán)隊采用2.5D全卷積網(wǎng)絡(luò)結(jié)構(gòu)，在針對器官的整體性和相互不獨立性的基礎(chǔ)上，提出了多任務(wù)學(xué)習(xí)的模型訓(xùn)練策略，最終取得了第二名的好成績。

　　從“科研”到“產(chǎn)品”的突破

科研只有在轉(zhuǎn)化為可落地的產(chǎn)品時，其價值才能獲得最大的體現(xiàn)。由此，在四川大學(xué)的支持下，機(jī)器智能實驗室(MILab)的成員成立了迭迦科技，嘗試將科研中的成果逐漸運用于更多的醫(yī)院，用人工智能技術(shù)去解決現(xiàn)有醫(yī)療體系中的技術(shù)難題與資源難題。

這一新興人工智能的優(yōu)勢來源于其自上而下的研發(fā)路徑，坐擁四川大學(xué)華西醫(yī)院、四川省人民醫(yī)院、成都軍區(qū)總醫(yī)院、成都市婦女兒童中心醫(yī)院的科研合作，迭迦科技能夠深入醫(yī)生需求，了解患者感受，并由此為依托打造人工智能產(chǎn)品。

同時擔(dān)任迭迦科技董事長的章毅教授向記者舉了這樣一個例子：“華西乳腺外科呂青教授曾經(jīng)經(jīng)手過一位患者，她拿著的彩超報告上出具的診斷結(jié)果是‘良性性病變’，但是經(jīng)過查體和問詢等初步診療手段，呂青教授高度懷疑該患者是‘惡性病變’，后來使用我們的‘迭迦科技’微信公眾號上乳腺癌彩超智能檢測系統(tǒng)復(fù)查，系統(tǒng)出具的結(jié)果是‘傾向于惡性病變’，并及時進(jìn)行手術(shù)治療。最終，患者的病理報告結(jié)果，證明了其確實是‘惡性病變’。”

“這讓我覺得，人工智能的價值是在解決患者問題的同時顯示出來的，而我們完全了解在這一過程中醫(yī)生和患者雙方的需求。我們完全可以通過商業(yè)化的方式讓AI發(fā)揮更大的價值。”

如今，迭迦科技已經(jīng)擁有一系列完善的人工智能產(chǎn)品，其涉及領(lǐng)域涵蓋了乳腺病變診斷、胸部疾病定性等領(lǐng)域，可對視網(wǎng)膜病變、黃斑水腫病變、嬰兒身體指標(biāo)風(fēng)險評估、乳腺診斷、甲狀腺結(jié)節(jié)智能診斷、細(xì)胞病理診斷等。

這些產(chǎn)品既是迭迦科技現(xiàn)有的成果，也是未來的發(fā)展方向。接下來，迭迦科技在繼續(xù)深入科研的同時，尋求產(chǎn)品研發(fā)方向的突破，在這個過程中，迭迦科技希望能有更多志同道合者加入其中，用新時代的技術(shù)顛覆醫(yī)療，讓更多的患者因此受益。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。