文：趙泓維
近日，來自四川大學章毅教授領導的機器智能實驗室(MILab)的團隊再傳喜訊!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隊所占據。而機器智能實驗室(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、以色列特拉維夫大學等高校、MICCAI聯合舉辦的比賽。其賽程的實質是在給定肝臟腫瘤病灶CT圖像數據庫的條件下，使用參賽者們的算法對庫中影像進行自動分割，以提升疾病診斷、圖像引導手術及醫(yī)學數據的可視化，發(fā)掘臨床診療與病理化研究過程中的依據。
肝臟腫瘤的形狀各異、大小不同、位置復雜、種類繁多，有些腫瘤塊肉眼無法區(qū)分。現有的方法時間復雜度高、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，首先關注患者肝臟各組織的構造，然后在肝臟的關鍵區(qū)域對腫瘤影像進行精確分割。
在模型方面，團隊巧妙地設計了一種2.5D全卷積神經網絡框架，能夠非常方便的進行遷移學習，降低分割模型的訓練時間，減少自動分割的時間復雜度。至2019年3月13日，該方法達到了0.737的dice指標，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，機器智能實驗室(MILab)同樣取得了優(yōu)異的成績。
國內ICU如今面臨巨大壓力。一方面，隨著老齡化的到來，病人數量不斷增加，而醫(yī)生成長時間長，供求差額越來越大，專業(yè)醫(yī)生資源嚴重不足。另一方面，目前很多疾病診療缺乏適用于國內人群的專業(yè)指南，均靠醫(yī)生經驗判斷，而有經驗的臨床醫(yī)生非常有限。
對于醫(yī)生而言，進入ICU的患者病情普遍多變復雜，綜合數據維度多達236項，遠超過了人力的控制范圍，難以精準評估病情變化。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死亡預測挑戰(zhàn))等，嘗試處理影像信息以外的數值化信息，以輔助急癥室，手術室等需求急迫的科室，尋求更深遠的價值。
MPC通過嘗試統(tǒng)計ICU患者的多種身體健康數值指標(血壓，葡萄糖指標等)、個人信息(年齡，性別等)及疾病狀況，從而預測住院期間病人的存活概率。通過分析以上數據，醫(yī)護人員可以及時分析問題，嘗試對患者現有的儀器狀態(tài)進行調整以挽救患者生命。
機器智能實驗室(MILab)團隊歷時一個月參加該比賽，該比賽的訓練集總計80000條病人記錄，每條數據有300多個維度，但只有2000條數據的部分維度信息處于“反常狀態(tài)”。數據不平衡問題是目前的深度神經網絡的重點研究的領域，該比賽需要參賽者從如此大量的數據中尋找的這些反常數據，進行特征選擇，并分析相關因素對患者死亡時間的影響。
在處理這一問題上，機器智能實驗室(MILab)首先嘗試用多種傳統(tǒng)機器學習方法做數據特征選擇，篩選出其中表現最好的算法，再結合神經網絡模型進行預測。經過反復的迭代后，團隊的預測模型的準確率達到了78%，并在3月15日奪得了榜首。
此外，在一個月前，MILab團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聯合舉辦，參賽隊伍達到160多支。機器智能實驗室(MILab)團隊采用2.5D全卷積網絡結構，在針對器官的整體性和相互不獨立性的基礎上，提出了多任務學習的模型訓練策略，最終取得了第二名的好成績。
從“科研”到“產品”的突破
科研只有在轉化為可落地的產品時，其價值才能獲得最大的體現。由此，在四川大學的支持下，機器智能實驗室(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，用人工智能技術去解決現有醫(yī)療體系中的技術難題與資源難題。
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品。
同時擔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經手過一位患者，她拿著的彩超報告上出具的診斷結果是‘良性性病變’，但是經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)復查，系統(tǒng)出具的結果是‘傾向于惡性病變’，并及時進行手術治療。最終，患者的病理報告結果，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，迭迦科技已經擁有一系列完善的人工智能產品，其涉及領域涵蓋了乳腺病變診斷、胸部疾病定性等領域，可對視網膜病變、黃斑水腫病變、嬰兒身體指標風險評估、乳腺診斷、甲狀腺結節(jié)智能診斷、細胞病理診斷等。
這些產品既是迭迦科技現有的成果，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，用新時代的技術顛覆醫(yī)療，讓更多的患者因此受益。
免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
