基因预测不用等，腾讯等打造DeepGEM，1分钟搞定肺癌基因突变预测

一个是将科技向善理念写入公司使命、深谙AI技术的互联网公司，一个是在病理诊断深耕几十年的行业领军者，一个是在呼吸领域颇有建树的顶级医疗机构。三者走在一起，做出了一款名为DeepGEM的AI大模型，并且未来还将一起打造扩展到其他疾病领域的多模态大模型。

DeepGEM由广州医科大学附属第一医院及广州呼吸健康研究院、腾讯、金域医学共同开发及验证，相关论文已发表于国际顶尖期刊《柳叶刀·肿瘤》，Nature还对该论文做了综述报道，认为这项技术有可能从根本上改变目前临床诊断的方法。DeepGEM也于近日获得国家知识产权局颁发的发明专利授权。

1分钟即可精准预测多种常见肺癌驱动基因突变

DeepGEM实现了通过常规组织病理学图像，1分钟即可精准预测多种常见肺癌驱动基因突变，精准度达78%~99%，媲美传统基因检测的准确率。同时，DeepGEM对切除活检和穿刺活检等不同类型样本都适用，还能生成基因突变的空间分布图，直观地展示突变在组织内的分布情况。

它为基因检测成本高昂地区的患者提供了进行多基因突变检测和精准治疗的可能性。DeepGEM分钟级的快速预测能力，能使病情严重的患者更迅速地制定治疗决策、及时接受靶向治疗，有望将肺癌患者基因检测成本下降数倍，为突破全球肺癌精准诊疗中“慢、贵、难”的瓶颈，找到了快速、经济、准确的“中国方案”，实现了从“看图识癌”到“读片知基因”的突破，这意味着DeepGEM可以作为当前基因检测的有效补充，甚至在紧急治疗等情况下，能够成为快速获基因突变分析的替代方案。

用AI之钥，打开缓解肺癌精准治疗之门

金域医学副总裁李映华表示，中国的病理医生数量处于严重不足的状态。按照世界卫生组织的标准，100张床位需要一个病理医生。中国大概有1000多万张床位，理应有10万位病理医生，但实际上只有不到2万位。肿瘤类疾病的诊断，必须由病理医生给出结果和结论，只有这样才能支持临床诊断和用药。而中国病理医生的不足，成为癌症精准诊断的极大障碍。金域医学作为第三方病理诊断方，一直希望助力解决中国病理医生不足的问题，实现更精准、更便捷和更普惠的病理诊断。

图 | 金域医学副总裁李映华

广州医科大学附属第一医院胸部肿瘤综合病区主任、广州呼吸健康研究院院长助理梁文华教授表示：“肺是和外界交通最多的人体器官，所以受到外界的影响也最大，因此肺癌的发病率是所有癌症中最高的，病死率也是最高的。因为一旦患上肺癌，其恶性程度远超其他肿瘤。”不同患者的肺癌成因并不一样，虽然都是由基因突变引起的，但是它的生物学行为和特性几乎完全不一样。这就像一个群居的社区，有来自美国和中国的多个民族，可能大家的生活习性都不一样，但是刚好聚集在了这里。因此，医生在收治肺癌患者是需要做基因检测，只有这样才能开始肺癌精准治疗。

图 | 广州医科大学附属第一医院胸部肿瘤综合病区主任、广州呼吸健康研究院院长助理梁文华教授

前面提到，肺癌的精准治疗存在“慢、贵、难”的难题，尤其在医疗资源匮乏的地区，患者更是难以及时获得精准治疗。梁文华团队发现，不同基因突变引起的肺癌，其病理形态并不一样。举个例子，华人都长着黑眼睛和黄皮肤，这是因为基因直接决定了外表。而华人就算生活在国外个人习惯有所改变，但是即使迁移到太空也仍是华人。因此，对于癌症检测来说，要寻找底层特征去进行判断。而病理形态实际上就是“外表”，医生可以通过这些规律来反推它到底处于哪一种基因状态。梁文华团队还发现，基因状态的差异可以帮助医生反向推测患者的肺癌到底起源于哪种基因突变，据此可以使用AI把这些特征全部提取和进行运算，从而推测出到底属于哪一种基因突变类型。

腾讯生命科学实验室高级研究员赵宇博士则表示，一个人发生基因突变之后，理论上会改变基因的表达，随着基因的表达进一步会导致人体蛋白质的序列、结构、功能的改变，这会反映到细胞和组织上，从而产生组织形态的改变，而这些改变又会反映在病理图片上。基于上述原因，腾讯和上述合作方走到一起打造了DeepGEM，利用AI技术缓解了肺癌精准治疗的难题，带来了一种更快、更经济、更普惠的新型癌症检测手段。

图 | 腾讯生命科学实验室高级研究员赵宇博士

采用“端到端”先进架构，更能捕捉全局信息

在DeepGEM的研发上，据腾讯生命科学实验室首席科学家姚建华博士介绍，为了解决传统基因检测中成本高、等待时间长以及样本要求高的临床痛点，他们使用了多项AI核心创新能力。

具体来说，他们使用了多示例学习（MIL，Multiple Instance Learning），采用无需人工标注肿瘤区域的“端到端”先进架构，比传统依赖肿瘤分割的两阶段方法更能捕捉全局信息，从而提升了预测的准确性。DeepGEM对切除活检和穿刺活检等不同类型的活检样本均能适用，并能生成基因突变的空间分布图，直观地展示突变在组织内的分布情况，能够做到这一点是因为DeepGEM通过运算给出每一个基因突变的概率，并能给出基因突变的空间分布，借此可以看出哪些区域是高级突变、哪些区域是低级突变。DeepGEM还首创了基于标签消歧的袋级和实例级交互监督，这让其既能关注病理图片整体的信息表达，也能关注重要的局部区域子图路线。

研发DeepGEM期间，腾讯基于数万张病理图片进行了大规模预训练，这让DeepGEM可以学习到关于病理图像的本质特征。基于此，腾讯又融合病理专家的知识，训练出一个基于大模型的病理图片预测系统。腾讯生命科学实验室高级研究员赵宇博士表示：“腾讯有自己的AI训练平台，可以很高效地实现多机多卡的数据运行模型运行。”

而在部署上，未来的落地应用也比较便捷，一台电脑就可以良好运行。考虑到要惠及更偏远地区的百姓，DeepGEM将落地金域医学实验室，通过全国病理服务网络和数智病理系统大规模落地。除了基因突变预测之外，在基于基因原位切片去预测病人是否发生淋巴结转移时，DeepGEM也取得了较好性能，故其有非常强的扩展性。未来，可以把它进一步扩展成为多模态的大模型。

为了进一步验证DeepGEM的临床价值，腾讯联合金域医学对该模型进行更大规模的验证。金域医学拥有覆盖全国31个省市区及香港的服务网络，每年肿瘤NGS检测量超15万例。依托丰富的肿瘤病理和分子病理诊断样本数据，金域医学将覆盖全国30个省份不同级别医疗机构的4260例肺癌患者样本（共计8520张数字切片）纳入验证研究，结合多基因二代测序技术和病理图像分析进行评估。验证结果显示，DeepGEM在识别EGFR、KRAS、ALK等常见肺癌驱动基因突变时表现尤为卓越，关键性能指标已达到临床辅助诊断的参考水平，具备良好的适用性与兼容性。梁文华总结称：“此前的精准医学都是依赖基因分型，而当基因分型能够采用AI赋能的方式，则将让精准医学变得人人可及。”

从双向奔赴到强强联合，用科技向善惠及生活

李映华表示：“我们和腾讯的合作在很早之前就已开始。合作中我们发现金域和腾讯在医疗健康的理念和价值观非常接近。我们也有各自的能力，可以形成很好的互补。所以我们在2020年又签订一个战略合作协议。

目前，我们的合作既包括AI和医疗的结合，也包括利用双方的服务网络把能力向基层医疗覆盖。比如，我们在县域推出了数智化解决方案。展望未来，我们会就DeepGEM的用户接入进行攻关，力争在场景上做更多覆盖。当然也会有医学教授专家的加入来作为产品在医学上的验证入口，以便进行大范围推广。”

基于此，腾讯与金域医学、广州医科大学附属第一医院和广州呼吸健康研究院还于今年10月正式签署协议，就DeepGEM的深度开发与应用达成合作。

这一合作将进一步扩大对肺癌获批基因识别以及多模态研究，推动DeepGEM在肺癌基因突变预测的临床应用，拓展DeepGEM在其他癌种的能力验证，并进一步开发病理基因多模态大模型，通过综合病理形态学与蛋白组学、代谢组学等信息，实现具有泛化性的多部位、多癌种、多组学的AI辅助诊断。

未来，基于AI的智能化医学很有可能成为常态，腾讯和金域医学以及广州医科大学附属第一医院和广州呼吸健康研究院的合作，有助于推动医疗AI科研成果加速转化落地。接下来，他们将进一步开发病理基因多模态大模型，通过综合病理形态学与蛋白组学、代谢组学等信息，实现具有泛化性的多部位、多癌种、多组学的AI辅助诊断。

具体来说，他们将打造DeepGEM Plus或DeepGEM 2，在打造新版本期间会更加注重代际和标签之间的交互，并将通过更好的协同来优化DeepGEM的表现。李映华表示：“未来我们希望它能出现AlphaGo的第37步（AlphaGo战胜李世石的决定性一步），即通过打通多组学方法，真正理解人体从健康到生病的原理是什么。”

对于后续计划，赵宇做了更详细的阐释，他表示：“现在可以检测六种肺癌的常见基因突变，未来我们希望在肺癌上能够扩展到12种以上，能够实现有靶向药的基因组的预测。之后我们可能会考虑拓展癌种，探索在其他癌种上DeepGEM的有效性。”同时，他们希望DeepGEM能够成为一个病理分析中枢，除了能够进行基因预测之外也能拥有更多功能，比如能够实现淋巴结转移预测等。长远来看，他们可能会把DeepGEM作为一个病理服务Agent，让它和其他模型进行合作，实现更好的医疗问答和自然语言交互。”最后，赵宇表示腾讯一直秉持理念是科技向善，因此其也希望DeepGEM能为国民健康带来一些帮助。