雷鋒網(公衆號：雷鋒網)按：本文作者微軟亞洲研究院副院長 張益肇。
你能想象每一天就有三架載滿乘客的大型飛機墜落全員身亡的事故麼？這聽起來十分可怕，但全球每年被瘧疾奪走生命的人數高達60萬~80萬，就等同於這樣的墜機事故發生的概率。雖然在發達地區，瘧疾幾乎已經被消滅，但在某些欠發達地區瘧疾卻仍然是災難，而在處理瘧疾的挑戰中，缺少足夠的專業病理醫師就是其中面臨的一大挑戰，該問題進而導致患者難以得到及時的診斷和治療。
目前，微軟正在研發的技術則可以幫助判斷出病人是否感染了瘧疾，感染的是瘧疾中的哪一種類，以及可能是從哪些渠道感染的，相比傳統方式下需要大量人力看樣本、做分析，該技術讓醫生的效率大爲提升。即便是在醫療人員匱乏的地區，也可以不再那麼捉襟見肘了。
所以計算機與醫療的結合，遠不止智能手環、血糖儀或是Xbox、HoloLens等可能會與醫療產生關聯的智能硬件，其覆蓋範圍非常廣泛，從前端設備到後端系統，再到隱藏在最後端的各類算法，每個分支都可以是一個獨立的學科。事實上在微軟內部，已經有接近100個與醫療相關的項目，他們中既包括十分具有前瞻性的，也有已經步入實際應用層面的。
在我看來，如今計算機在醫療領域的進展其實都是基於同一個基礎，即「數據改變醫療」爲核心展開的。不管是中醫還是西醫本質上都是實踐科學，醫生通過無數次的實踐總結、統計出規律，最終達到醫病救人的效果。當人類收集、處理和分析數據的能力隨着雲計算、大數據、機器學習、物聯網等技術的發展而日漸增強時，人們利用大數據像醫生一樣去分析或輔助分析病情的能力自然也會與日俱增。
人工智能幫助推進精準醫療
癌症一直是人類最需要迫切解決的醫學難題之一，由於同一類癌症的每位患者表現也各不相同，因此可以說每位患者的癌症都是一種獨立的疾病，即便是醫生擁有豐富的經驗也很難做出100%準確的分析和判斷，更別說相對個性化的精準醫療了。因此微軟亞洲研究院一直將數字醫學影像識別作爲主攻方向之一，希望通過計算機視覺領域的最新技術加速推動精準醫療。
從2014年起，微軟亞洲研究院的團隊開始鑽研腦腫瘤病理切片的識別和判斷，通過細胞的形態、大小、結構等，去輔助分析和判斷病人所處的癌症階段。而近兩年在該領域我們基於「神經網絡＋深度學習」的模式取得了兩大突破：
首先，實現了對大尺寸病理切片的圖片處理。通常圖片的尺寸也就是224*224像素，但腦腫瘤病理切片的尺寸卻達到了20萬*20萬、甚至40萬*40萬像素。對於大尺寸病理切片影像的識別系統，我們沒有沿用業內常用的數字醫學圖像數據庫，反而在ImageNet這個計算機領域最爲成熟的圖片數據庫的基礎之上利用盡可能多的圖片，通過自己搭建的神經網絡和深度學習算法不斷進行大量訓練而成，最終實現了對大尺寸病理切片的圖片處理。
對大尺寸病理切片圖片通過神經網絡與深度學習算法進行處理的流程
其次，在解決了細胞層面的圖像識別之後，又實現了對病變腺體的識別。所謂腺體，可以簡單理解爲多細胞的集合體，它更接近於「器官「的概念。相對於細胞病變，腺體病變的複雜性和可能的組合都呈指數級增長，但對腺體狀態的準確識別，則可以大大提高對癌症分析的準確程度，意義更加深遠。
對病變腺體的識別，主要是基於醫學角度三個可以衡量癌細胞擴散程度和預後能力的指標：細胞的分化能力，腺體的狀況和有絲分裂水平。我們針對這三個角度，通過多渠道（Multi-Channel）的數據採集和分析，希望在未來幫助醫生實現對病人術後、康復水平乃至復發的可能性做出預估和判斷。
腺體圖像經過計算機處理後被抽象成不同的結構，以便於計算機進一步識別與判斷
以往醫生都是憑藉」肉眼」和經驗去觀察病理切片影像並判斷病情，如今人工智能中的兩大核心技術：神經網絡和深度學習則讓計算機系統能夠自動學習惡性腫瘤細胞與正常細胞間的差異以及癌症病情的分析和判斷標準，同時能夠在掃描病理切片之後，給出判斷結果，供醫生參考。計算機強大的運算能力彌補了部分醫生由於經驗不足引起的誤判，或是對罕見病及疑難雜症的思慮不周。而且計算機還能發現人眼不易察覺的小細節，並總結出一些出乎醫生意料之外的規律，從而不斷完善醫生和計算機系統的知識體系。因此，正是人工智能技術讓精準醫療能夠繼續向前推進。
不同種類的惡性腫瘤切片經過算法處理後進行分類
目前，微軟亞洲研究院對二維醫學影像識別結果的準確性已經處於國際領先水平。除了腦腫瘤以外，該研究結果也可以擴展至其他疾病的二維醫學影像的識別和判斷，例如我們正在研究的腸癌等。此外，我們還在研究肝腫瘤患者的CT三維影像，雖然三維影像與二維影像的識別技術有本質區別，但基於微軟亞洲研究院在人工智能領域多年來的深入積累，相信我們在三維CT影像識別上的突破也指日可待。
超級電子病歷，醫生的「辭典」
除了醫學影像識別，我們在醫療文字處理方面也做了不少研究。
在與國外同行交流時我們發現，原來全世界的醫生所寫的病歷都是最難懂的書法，由於時間有限，醫生們不得不在寫病歷的時候龍飛鳳舞。在病歷電子化之後，雖然書寫的問題得以解決，但病歷上記載的各種描述性語言——有的簡潔，有的囉嗦，有的甚至不完整——對於醫生後續進行病情查閱、檢視或學習參考來說都非常不便。
因此我們團隊通過語音和自然語言理解技術，讓醫生可以口述病歷，隨後計算機將語音轉換成文字再進行結構化處理，從而形成一個囊括了所有關鍵詞的樹狀圖，清晰、簡潔地總結所有有用信息，讓患者或其他醫生對所有病理歷程一目瞭然，如有何病史，用過什麼藥物，排除了哪些疾病可能，待排查的疾病有哪些等等。
基於這樣的電子病歷，醫生的更換將不再會影響不同醫生對於患者完整病情的掌握；年輕醫生還可以通過學習各種病歷快速成長；結構化的電子病歷甚至能夠自動總結出被醫生忽略的細節和推斷，獲得對病情瞭解的新線索；當然，大大減輕醫生寫病歷的工作量更是無需多言。
AI（人工智能）+HI（人類智能）=超級醫生
可以看到，無論是圖像識別還是自然語言理解，計算機領域的很多技術都可以與醫療應用密切結合。而隨着計算能力的日益強大、人工智能技術的穩步發展，未來計算機將能夠對更多複雜、高級的信號進行處理，人類的醫療水平也必將邁入新的時代。
但是，醫生永遠不會被替代。在醫療這個專業科學與藝術相融合的領域，人工智能技術將成爲醫生的「左膀右臂「，幫助醫生更便捷的獲取信息並輔助醫生做出更加正確的診斷，而醫生除了積累豐富的專業知識，還需要更多地發揮高情商的能力與病患溝通交流。最終，計算機的人工智能和醫生的人類智能將互相結合，成爲一個既有精準的專業判斷又有情感交流的「超級醫生」。讓我們共同期待人工智能所引領的醫療發展新時代！
