百度发力医疗AI，肿瘤检测再次取得突破

百度研究院近日发布了一种名为“神经条件随机场”的AI算法，拥有强大的肿瘤病理切片检测能力，将为癌症诊断和治疗提供重要助力，其检测准确率甚至超过专业病理医生，并突破此前最高记录。

作为人工智能应用最受关注的领域之一，医疗AI近期再获突破。百度研究院近日发布了一种名为“神经条件随机场”的AI算法，拥有强大的肿瘤病理切片检测能力，将为癌症诊断和治疗提供重要助力，其检测准确率甚至超过专业病理医生，并突破此前最高记录。

癌症是人类至今无法征服的疾病，对于每位病人来说，听到癌症宣判时都会受到巨大的心理冲击，而等待详细诊断、制定准确的治疗方案就成了病患唯一能抓住的救命稻草。但准确的诊断却并不容易。

一直以来，病理切片分析是癌症诊断中的黄金标准。普通人或许以为，做完病理切片就自然能知道准确的病情、和合适的方案了，但事实上，切片阅读能力直接制约着诊断结果。

要知道，原始切片的图像十分庞大，肿瘤区域则极度微小，详尽发现所有病灶如同大海捞针。举个数字说明：一张40倍放大的电子化病理切片通常由超过十亿个像素点组成，磁盘空间大小超过1GB，而淋巴结附近微转移肿瘤细胞群可能最小只有不到1000像素的直径。因此，即使对于经验丰富的病理医生，切片阅读也是个耗时、复杂又困难的任务。阅读病理切片，是对专业知识、经验、看片量、脑力、视力、注意力、体力以及专业直觉的多重考验。

病理切片分析十分复杂和耗时

好在，人工智能的发展，让这项工作有了质的突破。很多机构都曾探索人工智能解决方案，让机器阅片。

不过以前这些算法的局限性在于，基本上都要将病理切片裁剪成小图、再来进行单图分析，判断单一小图内是否有肿瘤细胞，但弊端在于：只见树木、不见森林——它忽略了小图与小图间的空间关系，无法将众多小图碎片作为整体来判断，因此经常出现误判（比如假阳性）尤其在肿瘤细胞和正常细胞的交界处尤其容易出错。

百度此次研究出的新算法，不仅能对单一小图进行判断，还能够模拟图块之间的空间关系，这就大大提高了诊断的准确率，让机器的判断兼具算法的高效准确和人类的缜密。

图四。（a）原始病理切片；（b）病理医生标注，其中白色部分为肿瘤区域；（c）以前算法预测的肿瘤区域；（d）百度研究院“神经条件随机场”算法预测的肿瘤区域。

百度这次的技术突破是人工智能在医疗影像应用上的一次突破，它可以在原始切片中直接标出病灶区域，让病理学家能聚焦由算法筛选出来的区域去进一步观察，而不必靠肉眼在整个切片中大海捞针。

随着癌症的发病率越来越高，有经验的专业医生、医疗资源的不足，才是病人绝望的更客观原因。以病理医生来说，数据显示，中国14亿人口只有不到一万人的病理医生，美国3亿人就有3万病理医生，即便以最快的培养速度计算，中国病理医生要达到美国的比例水平，也需要200多年的时间！同时收入还比临床科室的医生低，让很多人不愿意从事这项工作。可在癌症诊疗中，病理切片分析又必不可缺，导至很多七八十岁的专家还在一线工作。

百度这项技术突破更为现实的意义，是在中国病理医生极为缺乏的情况下，带来快速解决问题的方法，让癌症患者、家人看到更多的希望。在权威的Camelyon16大赛的测试集上，该算法的肿瘤定位FROC分数达到0.8096，超过专业病理医生的水平（0.7240），也打破了之前最好成绩（0.8074，由哈佛和麻省理工学院联合团队创造）。

还有一点很重要，这套技术现在人人都可以获取——百度研究院在Github上开源了整套算法代码，以便其他研究人员在此基础上进行更深入的研究，促进人工智能在医学图像分析领域取得更加长足的发展。按照这样的速度，可能只需要几年时间，“机器医生”就会出现在我们的医院中，到时候，或许普通人不幸罹患癌症，也都能得到专业而准确的诊疗，得到康复的希望，而非让治愈、存活的希望，成为极少数人才能得到的特权。毕竟对于病患来说，希望是最重要的。