「盘点」AI 改变了什么？图像识别技术帮你提前发现癌症

编者按：本文来自微信公众号 “极客公园”（ID：geekpark） ，作者geekerdeng

作为人类的天敌，无论是哪种癌症，不仅对于病人本身是一种折磨，对于家庭同样是一种沉重的负担。

今年 2 月，国家癌症中心汇总了全国 347 家癌症登记点的数据，发布了中国最新癌症数据。我国每年新发癌症病例达 429 万，占全球新发病例的 20％，死亡 281 万例，平均每分钟约 7 人确诊患癌。而在癌症类型中，肺癌为发病率、死亡率双率第一，消化道癌症和乳腺癌同样排在前列。

即使随着技术水平的进步，已经有了包括切除病变部位和化疗等多种治疗方法，但癌症仍然是人们挥之不去的阴影。因为大多数癌症在初期却都没有太多症状，被发现的大多都是处于中后期，而中后期的癌症不仅治疗成本大，而且对于部分严重的肿瘤效果也不是太好。

但随着 AI 技术的发展，事情开始出现了转机。利用 AI 现在可以对多种疾病进行诊断，其中图像识别的对于癌症识别、检测已经取得较大的进步。

癌症诊断医生 VS AI，AI 赢面越来越大

（AI图像识别对切片中疑似患癌部位的识别 图|网络）

目前在全世界各地，都有团队在从事 AI 医疗影像识别技术，根据极客公园 2017 年发布的《关于人工智能，你应该关注什么》报告，目前国内智能医疗领域的研究主要集中于医疗机器人、医疗解决方案和生命科学领域。

而其中利用 AI 进行图像识别，对癌症的检测、识别在近年来发展较为迅速，针对需要图像识别方能确诊的癌症领域，人工智能的表现已经达到很高的准确率。极客公园从近期的公开新闻报道中梳理出了已经开发出相对成熟的案例：

• 图像识别与肺癌、乳腺癌

香港中文大学研究团队利用人工智能影像识别技术判读肺癌及乳腺癌的医学影像。该团队采用深度学习技术判读 CT 扫描图像，通过深层神经网络自动检测识别出可能出现肺小结节的位置，只需要30 秒便可判别是否出现癌病，准确率达 91%。

另外，该团队还利用深层卷积神经网络分阶段处理乳腺癌的切片图像。相比资深病理医生人工检测的结果，AI的准确度高出 2%，达到 98.75%，耗时只需 5 至 10 分钟。

• 图像识别和食管癌

食管癌是最常见的恶性肿瘤之一，但因为没有有效的早期筛查手段，目前我国早期食管癌检出率低于 10%，但在早期食管癌的治愈率超过 90%，但在中期和晚期的食管癌治愈率却只有 40% 左右。

腾讯在和定点医院合作后，由医生对数十万张食管内镜检查图片进行分类，采用双盲随机方法，由不同级别医生进行循环评分标注。然后将结果交给腾讯 AI 技术团队进行图像处理、增强，借助深度学习技术，筛查可疑食管癌的能力。该技术对早期食管癌的诊断率高达 90%。

• 图像识别和肠癌

肠癌同样是发病率最高的癌症之一，尽管大肠癌体检中的癌症发现率已经不是什么难事，但大肠癌的内视镜检查仍存在 24% 漏查率。因此日本国立癌症研究中心正在和大型电子机器制造商合作，通过 AI 图像识别，在发现医生未能通过内视镜画像识别发现大肠癌时，该系统将发出警报提醒医生，并对患病位置进行标注。

在这个系统里，将让人工智能「深度学习」正常的大肠图像以及大肠癌的图像共 14 万张，从而达到 98% 的癌症判断准确率。日本方面计划将用2 年时间来进行临床试验，此后可在体检中心使用。

• 图像识别和阿兹海默症

虽然阿兹海默症并非一种真正的癌症，但它导致患病者的认知和记忆功能不断退化，日常生活能力进行性减退，并伴随各种精神症状和行为障碍。作为一种常见的、原因未明的神经系统退行性疾病，对中老年人的身心健康造成的危害性不亚于癌症。

AI 在阿兹海默症的发现和防治方面，同样取得较大的进步。意大利巴里大学的研究人员开发出一种算法，可在阿尔茨海默氏症症状出现之前，检测出大脑中产生的微小的结构变化，从而判定其是否有罹患阿兹海默症的可能性，该检测对轻度认知障碍的成功率达84%。

另外，国内「脑医生」团队也在尝试利用图像识别进行阿兹海默症的检测和诊治。医生将受试者数据上传，脑医生通过图像处理、大数据运算和统计学分析等方法将医生的经验量化、标准化，最后得到诊断报告，从多家三甲医院进行临床试用的结果来看，准确率达 85%。

机器的自主学习，比人类更加精确

（卷积神经网络的工作流程 图|网络）

AI 图像识别，是计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。识别过程包括图像预处理、图像分割、特征提取和判断匹配。

以香港中文大学利用 AI 图像识别对肺癌和乳腺癌的研究为例，其主要方式为通过搜集大量肺癌患者确诊大量影像图片，然后交由卷积神经网络进行分析，将疑似患者的 CT 图像和 AI 整合的数据进行对比，发现其相似点，并判断该图像是否符合癌症的特征，如果是，则对相关部位进行标注。而原来这个过程是需要医生进行仔细辨别来发现的。

而和所有真正的人工智能一样，医疗领域的图像识别技术具备自主学习能力。随着案例的增加，在早期需要依靠标注的案例才能进行识别的情况将被改变，AI 将会自己习得识别能力，对癌症的识别的准确率会越来越高。

在医疗领域利用AI 图像识别还可以将医生从大量劳动和经验积累的工作中解放出来，既节省了时间，同时也提高了准确率。最大程度帮助医生尽早发现患者是否患癌，以便尽早治疗，也可以为患者节省大量成本。

不过技术虽然好，但是还得需要人主动去使用，所以养成定期进行全面检查的好习惯才是尽早发现病疾最快的方式。