Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

腾讯AI Lab宣布中国首款智能显微镜获药监局批准进入临床应用

图片包含 显微镜, 物体, 游戏机

描述已自动生成

癌症被称为「众病之王」,若能尽早检测诊断,病人则更可能得到有效救治。一般来说,癌症的检查和诊断依赖于病理学检查;而在病理学检查过程中,显微镜观察是必不可少的步骤。钟南山院士曾表示:「临床病理水平是衡量国家医疗质量的重要标志」。

腾讯 AI Lab 联合舜宇光学科技、第三方医学检验机构金域医学宣布三方研发的智能显微镜已获得 NMPA 注册证,成为国内首个获准进入临床应用的智能显微镜产品。

图片包含 显微镜, 物体, 游戏机, 桌子

描述已自动生成

该智能显微镜产品研发始于 2018 年,集成了目前病理分析与诊断方面的最新技术,并针对病理医生工作流程和习惯进行多次产品迭代,现已支持乳腺癌免疫组化(IHC) Ki67(肿瘤细胞增殖指数)、ER(雌激素受体)、PR(孕激素受体)和 Her2(细胞表面生长因子2)等常用核染色和膜染色量化分析场景的判读。

该产品在测试被证明能有效提升病理医生的工作效率、病理分析的精确度和一致性,有望缓解医院(尤其是基层医院)病理医生数量短缺且经验不足的问题,也是精准医疗从前沿研究走向落地探索的一个良好例证。

以前,病理医生要花大量的时间和脑力劳动、依靠经验在显微镜下识别和判断病变组织,并粗略估算其细胞数量,分析结果可能因医生经验不同而有所差别。现在,有了智能显微镜,如金域病理专家丁向东主任评价的那样:「医生只要用脚轻轻一踏,智能显微镜就会将分析结果和判断实时、精确地呈现在显微镜视野内,医生不需要再来回看显微镜和电脑显示屏,操作非常简单。」

智能显微镜目前使用了离线运算版本,腾讯 AI Lab 还研发了一套基于深度学习方法的升级版算法,具有更高精准度和升级潜力,期待能尽早通过认证后推向市场,辅助医生诊断。

行业痛点:病理诊断作用关键,但相关医疗人才缺口大

要理解智能显微镜在癌症筛查和病理分析过程中的价值,首先要理解病理分析过程的复杂性以及我国医疗资源方面所存在的现实问题。

大致来说,癌症检诊流程主要包含以下几个步骤,腾讯智能显微镜希望在病理分析和诊断两个关键环节为医生提供更多帮助。

手机屏幕截图

描述已自动生成

  1. 影像检测筛查:通过一系列影像学检查,如 X 光、CT、MRI 和内镜等检查方法,找出可疑的病灶。目前“腾讯觅影”已为食管癌、肺结节、糖尿病视网膜病变、结直肠肿瘤、乳腺癌等多种疾病提供AI医学影像分析,辅助医生筛查。
  2. 组织活检及病理制片:要得到最终的准确诊断结果,需要取出一些肿瘤组织,制作成病理切片,然后在显微镜下(放大 40 - 400 倍)观察组织结构和细胞形态。
  3. 病理分析:通过对组织结构和细胞形态显微镜下的观察,找出疾病发生的原因以及对人体结构和功能的影响,同时决定是否进行进一步辅助检测,如: 免疫组织化学(IHC)和分子检测, 对肿瘤进行定性和定量的分析。
  4. 病理诊断:根据显微镜观察结果结合IHC和分子病理结果,对肿瘤做出最终诊断。

其中最后一步病理诊断得到的报告将用于指导临床医生制定手术、化疗、放疗、靶向治疗或免疫治疗等治疗方案。因此,病理诊断是诊断流程中最后且最重要的环节,是疾病诊断的金标准,因此病理医生也被称为「医生的医生」。

从病理分析角度和层次来看,腾讯智能显微镜旨在通过提供精准定量分析提高诊断一致性,减轻医生工作负担,目前主要聚焦在免疫组织化学相关的辅助分析。病理诊断分为组织病理和分子病理两个层面,两者的诊断和检测方法不相同。只有两者互相补充、支持和印证,才能做出精准诊断。而不管是组织病理层面还是分子层面,传统的病理诊断过程都主要依靠人类医生的经验,也因此存在一些固有的短板:

  • 组织层面,有的癌症亚分类多达数十种,且不同亚类之间细胞和组织形态可能很相似,诊断难度大,主观性强,而误诊后果严重。例如:2015 年一篇《美国医学会杂志》(JAMA)的报道对 75 名病理医生在 2000 个乳腺癌病例上的诊断结果进行了统计,发现导管非典型增生和原位癌很容易误判,两者的管理和治疗方案完全不同,误诊误判会对患者的健康和治疗造成严重后果。

图片包含 游戏机, 地毯, 布

描述已自动生成图左是导管非典型增生,图右是原位癌,如果误判,后果严重。来源:JAMA, 第1109页, 2015年

  • 分子层面,目前分为免疫组织化学(IHC)、FISH 和基因诊断等。IHC 主要用于疾病辅助诊断、鉴别诊断、 判读预后、指导临床治疗方案、靶向药物指导、免疫治疗指导等。IHC的判读在检测和病理医生诊断过程中,存在主观性判读的稳定性和一致性差、图像分析工具脱离正常工作流程、无法精准定量分析、指导药物治疗抗体的判读标准不统一等问题。免疫组化中的很多指标,需要进行精准定量分析,其结果与肿瘤的靶向治疗、免疫治疗都有直接关系,会直接影响到恶性肿瘤的用药和患者预后。但目前方法需病理医生在显微镜下判断,耗费了大量工作精力,且结果难以准确一致。

除了以上技术的问题,依靠病理医生诊断还面临着一个重要的现实问题:病理医生严重短缺。据统计,中国目前仅有 1.5 万名病理医生,缺口近 10 万,供需极不平衡,而新病理医生的培养又面临着时间周期长,年轻一代学习意愿不强等问题。

智能显微镜优势:节约医生的时间精力,提升读片精准度与一致性

近年来随着机器学习与大数据技术的发展,以计算机视觉为首的 AI 技术已展现出了在病理诊断应用上的巨大潜力。若使用 AI 辅助 IHC 结果判读,可以:

  1. 避免 IHC 结果判读的人为差异,提高判读结果的可靠性,提升病理诊断质量,这对于病理医生稀缺的基层医院尤为有帮助;
  2. 智能判读将节省稀缺病理医生资源,使其投入更需要的服务之中;
  3. 为病理免疫组化染色的质量评估做精确定量的质量控制;
  4. 为医学科研和药企提供免疫组化精准定量检测服务,为新药研发的相关免疫组化研究提供客观性可靠的证据。
  5. 为肿瘤患者提供分子靶向治疗及免疫治疗等相关精准定量的免疫组化检测服务;
  6. 病理医生与智能显微镜结合的工作模式,体现了「人+AI」的全新工作模式。让病理医生和人工智能各自发挥所长,全面提升效率。

因此自2018年起,腾讯 AI Lab 相继联合舜宇光学科技和金域医学,共同研发智能显微镜这一解决方案,为实现软硬件一体化和好的用户体验进行了多次产品迭代。

图片包含 游戏机

描述已自动生成智能显微镜原理示意图

图片包含 游戏机, 食物

描述已自动生成

图片包含 游戏机, 食物, 海胆

描述已自动生成

腾讯 AI Lab 提供了领先的AI算法及软件解决方案。在采集训练数据时,选择让机器使用主动学习和难例挖掘的方案,不打扰医生的工作流程,也减轻医生手动标注数据的负担;采用先进的模型设计方案,让算法模型在保证准确度的前提下能满足300毫秒内完成IHC全视野实时分析的要求;借助迁移学习并使用生成对抗网络(GAN)归一化镜下图像,使得算法能对不同医院和不同制片方式实现良好兼容,提升了算法的稳健性和通用性。

舜宇光学科技提供了定制化的硬件方案。比如,针对光学成像环境不一致情况,配备了聚光镜和光阑;针对医生使用时不断切换物镜倍率的习惯,专门开发了倍率记忆装置,能在医生选择倍镜时调整至对应亮度,并直接传送倍率信息给算法进行分析;此外还针对医生使用场景对目镜装置高度和光源设计进行了优化。

金域医学贡献了病理方面的专业知识与专家资源,确保显微镜能支持多种病症场景的判读,并辅助算法训练取得良好效果,还能使产品紧密贴合医生的工作流程与习惯。

图片包含 游戏机, 电脑

描述已自动生成训练学习过程的流程示意图经过验证,软硬件一体化的智能显微镜在精准度与一致性上能有效满足病理诊断实际需求,并能显著提升医生的工作效率,使其投入时间和精力到更有需要的工作上。此外,该系统也具有很高的性价比;虽价格略高于普通显微镜,但却能按需增加新病种的算法软件而无需购买新的显微镜。对病理医生短缺的地区和医院,这套系统的实用价值尤为显著。金域病理专家罗丕福主任说:「该算法技术的应用,能够让病理诊断水平和能力更加匮乏的基层医院受益,更准确的诊断结果最终使肿瘤患者受益。」精准医疗是未来医疗发展大趋势,而智能显微镜则是其发展的一个缩影。

社交网站的手机截图

描述已自动生成智能显微镜与传统显微镜性能对比未来,腾讯 AI Lab 将联合舜宇光学科技和金域医学根据实际应用的需求迭代产品,并计划与多家机构合作,推进智能显微镜在乳腺癌、肺癌、结直肠癌、胃癌等中国高发疾病的病理学中的研究与应用,力求为医生、患者和社会创造更大的价值。

产业腾讯 AI Lab智能显微镜AI
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

迁移学习技术

迁移学习是一种机器学习方法,就是把为任务 A 开发的模型作为初始点,重新使用在为任务 B 开发模型的过程中。迁移学习是通过从已学习的相关任务中转移知识来改进学习的新任务,虽然大多数机器学习算法都是为了解决单个任务而设计的,但是促进迁移学习的算法的开发是机器学习社区持续关注的话题。 迁移学习对人类来说很常见,例如,我们可能会发现学习识别苹果可能有助于识别梨,或者学习弹奏电子琴可能有助于学习钢琴。

生成对抗网络技术

生成对抗网络是一种无监督学习方法,是一种通过用对抗网络来训练生成模型的架构。它由两个网络组成:用来拟合数据分布的生成网络G,和用来判断输入是否“真实”的判别网络D。在训练过程中,生成网络-G通过接受一个随机的噪声来尽量模仿训练集中的真实图片去“欺骗”D,而D则尽可能的分辨真实数据和生成网络的输出,从而形成两个网络的博弈过程。理想的情况下,博弈的结果会得到一个可以“以假乱真”的生成模型。

腾讯机构

腾讯,1998年11月诞生于中国深圳,是一家以互联网为基础的科技与文化公司。我们的使命是“通过互联网服务提升人类生活品质”。腾讯秉承着 “一切以用户价值为依归”的经营理念,为亿万网民提供优质的互联网综合服务。 腾讯的战略目标是“连接一切”,我们长期致力于社交平台与数字内容两大核心业务:一方面通过微信与QQ等社交平台,实现人与人、服务及设备的智慧连接;另一方面为数以亿计的用户提供优质的新闻、视频、游戏、音乐、文学、动漫、影业等数字内容产品及相关服务。我们还积极推动金融科技的发展,通过普及移动支付等技术能力,为智慧交通、智慧零售、智慧城市等领域提供有力支持。

http://www.tencent.com/
相关技术
推荐文章
暂无评论
暂无评论~