【钛坦白】DeepCare刘圣：人工智能在病理领域的算法实现和产品化思路

这是钛媒体Pro专业用户和付费用户专享的“钛坦白”在线课堂第29期，我们请来了三位钛客，给大家讲讲人工智能在医疗领域的应用。

本文根据本期钛客之一，前麦肯锡资深咨询师、DeepCare 羽医甘蓝科技创始人、CEO刘圣的分享整理了部分摘要，全文需要成为钛媒体专业用户才可以查看。进入钛坦白相关交流群交流，以及进入钛媒体Pro专业版查看更多更丰富的专业数据和信息，点击：http://www.tmtpost.com/pro 注册成为钛媒体专业用户。

以下是刘圣在钛坦白的分享：

我叫刘圣，我们公司叫DeepCare，就是deeplearnig和heachcare两个单词的组合，我们主要做的是把深度学习运用在医疗影像的识别上。

市场的需求

病理被称为是医生的医生，服务对象其实不是病人，而是临床医生。也就是说，病理医生会诊断出病人罹患的是良性的肿瘤还是癌症，如果是癌症，会给癌症分期分型，然后把这个诊断交给临床医生。临床医生会根据这个诊断来给病人制定治疗和用药的方案。

讲到这里，我来问大家一个问题，大家都知道现在看病很难，不知道有哪位朋友花钱买过黄牛的票呢？我们买专家号看到的医生和我们挂普通号看到的医生，在诊断大病上的精确度到底有多大的差距呢？

两个月前，我们做了一个实验，请了北京的特级三甲、普通三甲和地方上的三甲医院的一共四名医生看70张乳腺癌转移的片子。这四名医生的年资分别是40年经验、30年经验、20年经验和10年经验。70张乳腺癌的片子有30张是阴性的，就是说没有癌细胞的，有40张是阳性的就是有癌细胞的。

我们请这四位医生看这70张片子，那位40年经验的医生的准确率达到了98%以上，剩下的三位病理医生，他们的平均准确率在70%左右。

就这个实验来说，专家和普通医生差距确实还是挺大的，怪不得黄牛号这么贵。我们做这个实验，一方面是为了比较不同的医生看病理切片的诊断会有多大的差异，另外一方面，我们用我们的算法也对同样的70张片子进行了诊断，当时我们的准确率是93%，那是在两个月以前，现在我们准确率已经超过了95%。

从这个实验也可以看出，一方面，中国的医疗资源确实是非常不平均，专家和普通医生之间的差距确实非常的大；另一方面，在一个定义非常明确的问题之上，算法其实可以做到比人或者是比一般人更好，可以无限接近最厉害的或者是最强的那个医生的水平。

我们现在在做的事就是和北京的这些病理科，全国最强的科室的医院合作，开发出智能算法，然后把这些算法运用到基层医院和三四县城市当中去。

下面这张图片，左边是属于正常的细胞，右边属于癌变后的细胞。为什么一个病理医生这么难培养？因为有上千种疾病可能有上万种不同的变化，这些变化让任何一个人用人脑来记都是非常非常困难的。

一张病理切片里面包含的信息是非常大的，有十几亿个像素点，一张压缩过的图片大概也有几个G的大小，这么大量的信息让人的眼睛来观察，可以说非常辛苦，这种工作其实是非常适合计算机来做的。

在中国病理医生非常的缺乏，大概平均七万中国人一位病理医生，而在美国是平均两千人一位病理医生。中国如果想达到美国的这个数字，按照中国现在培养病理医生的速度大概要200年。我们在做的事情就是用人工智能的方式来弥补这个供需上的不平衡。

算法上的实现

下面这张图片是我们诊断的流程。我们会把处理切片的算法分成三步：

• 第一步，预处理。就是把含有组织的这个部分从切片上面挑出来；
• 第二步，神经网络的处理分类。先把这些挑出来有组织的部分切成小块，大家看这个图的右上角，每一个小块有一定大小，模拟医生在显微镜下看到的大小，然后把每一个小块放到显微镜神经网络里面，判断这个小块里边是否含有癌细胞。大家可以看到，下面中间的这个蓝色的图就是最后结果的一个可视化的表达，它其实是一个热力图；
• 第三步，后处理。就是从一个热力图得到最后的诊断报告。

我们的很多技术壁垒都是在第三步，这里有很多的医生的先验知识，比如我们希望能把医生脑袋里边的算法变成电脑的算法，所以在这个里边，我们一共从大概六十几个不同的维度，有医学方面的维度，也有非医学方面的维度，共同来处理热力图，最后把它变成一句话的诊断，比如说这是什么癌，什么类型。

我们打算分成三步实现：

（以下全文仅限钛媒体专业用户开放，点击链接：http://www.tmtpost.com/pro  注册钛媒体专业版）

产品化的一些想法

很多朋友一定会问，算法要多准才可以用？要怎么样用？大家可以看看下面这张图：

Q&A：

1、请问刘大大，这套识别流程对其他疾病的识别是不是也能复用呢？

刘圣：每个疾病都要重新训练，所以只能一个疾病一个疾病来。主要是数据的标注，技术路线是一样的。

2、请问刘总，目前你的商业模式是和医院的病理科合作，通过承接他们的图像分析，获得收益?

刘圣：其实我们急着产品化，但是不急着商业化。所以目前医院都是免费试用，未来我相信只要创造出价值，一定可以找到商业模式。医疗是个慢生意，人工智能也是个慢生意，两个加一起就更慢了。

3、刘总你好，卷尺神经网络构建后通用性较为强，现在，在CT、MRI影像领域比较多。不知道，在心电图辅助诊断、内窥镜这些小众领域，是否有价值？

刘圣：内窥镜一定可以，我们之前有做过。心电图也有可能，但是一般的心电图其实不需要CNN来做，冠状造影可能更可以发挥CNN的优势。

（本文独家首发钛媒体，根据DeepCare 羽医甘蓝科技创始人、CEO刘圣在钛坦白微信交流课上的分享整理）

………………………………………………

钛坦白第29期，人工智能在医疗健康领域的应用，三晚上的分享已经结束。

干货会陆续发布：http://www.tmtpost.com/tag/1508094

钛坦白第30期预告：跑步和相关赛事运营

时间：2月20日、21日、22日，每晚7点开始

地点：钛坦白|体育（微信群）

报名听课、参与垂直人群互动：

钛坦白目前有医疗健康、人工智能、文娱社交、VR/AR、区块链、支付创新、体育、云计算、SaaS等九个专业群。

1、钛媒体Pro专业版用户，可以点击链接http://www.tmtpost.com/pro，登录账号，点击进入“在线课堂”，在线免费、任意选择自己要进入的群，按提示操作；

2、非钛媒体Pro专业版用户，可以添加微信号taitanbai0，在通过好友后，发99元红包给小钛，你将有权利从九个群中任选一个群进入，长期听课、交流。请告诉小钛你要进入哪一个群，然后等待小钛拉你入群~

推荐钛客、赞助、合作：

请与钛坦白负责人佳音联系，邮箱jiayinge@tmtpost.com

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App