为医生提供智能辅助诊断服务，慧影AI应用系统采用迁移学习法实现肺结节早期智能筛查

人工智能已经进入到迅速发展的时代。为抓住发展机遇，国务院发布人工智能发展规划，将其作为未来国家重要的发展战略。作为其中的重要一项，智慧医疗被明确提出在未来的发展规划，即加快人工智能创新应用，为公众提供个性化、多元化、高品质的服务。

从医疗领域来看，医学影像在医疗中的作用非常明显。数据显示，医疗临床诊断中70%依靠医学影像。因此，实现智能影像识别，成为建立快速、精准、智能医疗体系中的重要一环。

猎云网（微信：ilieyun）近日接触到一套应用于医学影像诊断上的人工智能解决方案——“慧影AI应用系统”，其主要通过机器学习对影像进行智能辅助诊断。数据显示，在诊断准确率上，该系统的肺结节检出率能够高达90%以上。目前慧影AI应用系统已经应用于部分医院。

一、采用Tensortflow核心算法构建竞争力（产业智能官：不重复制造“轮子”，基础框架直接拿来使用）

慧影AI应用系统由北京宏梓伟业科技发展有限公司独立开发设计，公司是一家从事医疗信息化系统设计、研发及销售的科技公司，前身是与东北大学、大连理工大学几位博士生导师建立的工作室。目前，公司已经研发出医院经营管理系统、电子签名系统、生殖中心管理系统均已开始临床使用。

宏梓伟业核心创始团队人员专注于医疗相关软件系统的开发与研究，拥有十几年科研领域的研究背景，他们认为，利用AI技术进行医疗影像诊断能够解决医生当前的痛点，帮助临床医生高效地解决问题，于是，凭借在医疗领域积累的深厚经验和结合团队专业的科研背景，公司于今年研发了慧影AI应用系统。

慧影AI应用系统采用谷歌二代的人工智能架构Tensortflow，它是一个用于数值计算的开源软件库，具有高度灵活性、真正的可移植性、多语言支持和性能最优化四方面的特点。与其他开源库相比，宏梓伟业采用Tensortflow开源库，其原因在于人工智能、深度学习技术处于爆发期，算法升级迭代快，因此，公司基于自身的算法，选择了可以部署在Windows系统和Linux系统的Tensortflow，而一般系统仅使用于Linux单系统。

目前，慧影AI应用系统已经获得国家知识产权局授权（产业智能官：算法虽然是开源的，但是基于私有数据训练出的模型也是私有的，此模型是企业核心竞争力，可以申请获得国家知识产权。），可以正式应用到医疗领域。

二、依托两大科技人才库与医疗背景的支持，保证产品的研发水准（产业智能官：知识图谱也好，神经网络权重也罢，首先都是人类专家知识的数字化。）

将人工智能技术应用于医疗领域，能够解决优质医疗资源不足和分配不均衡、医疗看病支出费用大的问题。同时，在医学影像识别、疾病辅助诊断、外科手术等方面，人工智能可以辅助医生，提高影像科医生工作效率。在对于患者病历数据的处理速度，准确度、稳定性方面，人工智能还可以辅助医生帮助确诊，对影像报告进行精确的量化。

据悉，截止今年8月份，国内已有80多家人工智能+医疗企业获得融资，其中不乏巨头的布局。在这条竞争赛道上，慧影AI应用系统具备自己的竞争优势，除采用Tensortflow开源算法，能够达到与合作厂商联合开发应用到硬件设备中，形成捆绑销售外；慧影AI应用系统还可应用于Linux系统和Windows系统，使得医院等医疗机构对接起来更为简便，更易于采购。（产业智能官：合作模式创新、销售模式创新。AI产品化不仅仅是技术问题。）

另外，要提高影像诊断准确率，系统需要研究大量的临床病例数据。宏梓伟业表示， 项目成立之初面临数据来源难以及数据来源需要合法性的问题，为此，慧影AI应用系统在缺乏海量数据的基础上，采用迁移学习的方法弥补不足，并通过这种学习方法达到了较高的准确性。（区块链解决数据安全性问题，迁移学习解决数据量不够问题。——发挥人类想象力和创造力吧 ，问题总能找到答案。）

在现有面向计算机视觉的深度学习算法基础上，慧影AI应用系统还融入了解剖学与病理学先验知识（还可以融入知识图谱先验知识），以一组影像序列做为整体目标对象，提高了检测精度和，降低了假阳性的概率。

目前，该系统已经与临床医院进行深度合作，推出的第一项应用是肺结节早期智能筛查。慧影AI应用系统能从CT扫描中自动分割肺部，并自动标记疑似肺癌结节的组织结构位置，大小等信息，辅助医生对医学图像进行分析，临床医生提高早期肺癌检出率。

合作方面，慧影AI应用系统已经获得东北大学人工智能实验室、纽约大学AI实验室两大科技人才库的支持。并与东软集团股份有限公司等医疗上市公司以及央企事业单位达成合作。接下来，将继续深入研究临床病例数据，提高影像诊断准确率。

慧影AI应用系统团队中已有三名博导，七名博士和硕士二十五人。其中，首席科学家、教授、博士生导师付冲现为IEEE会员，中国通信学会会员，中国计算机学会会员。2011年11月任东北大学信息科学与工程学院通信与信息系统研究所副所长。联合创始人赵伟是慧影AI系统市场拓展负责人，曾有8年市场销售经验，5年B端医疗市场销售经验；联合创始人王梓拥有五年医疗领域项目管理经验。

项目正在寻求1200万人民币天使轮融资，计划出让8%的股份。资金主要用于与医疗机构合作上的数据获取、技术研发、营销等渠道。

项目：慧影AI应用系统 公司：北京宏梓伟业科技发展有限公司

本文来自猎云网，如若转载，请注明出处：http://www.lieyunwang.com/archives/386185

人工智能如何更好的辅助医生？Petuum研究自动生成医疗图像报告

来源：机器之心

Petuum 专栏

作者：Baoyu Jing、Pengtao Xie、Eric Xing

机器之心编译

在过去一年中，我们看到了很多某种人工智能算法在某个医疗检测任务中 「超越」人类医生的研究和报道，例如皮肤癌、肺炎诊断等。如何解读这些结果？他们是否真正抓住医疗实践中的痛点、解决医生和病人的实际需要? 这些算法原型如何落地部署于数据高度复杂、碎片化、异质性严重且隐含错误的真实环境中？这些问题常常在很多「刷榜」工作中回避了。事实上，从最近 IBM Watson 和美国顶级医疗中心 MD Anderson 合作失败的例子可以看出，人工智能对医疗来说更应关注的任务应该是如何帮助医生更好地工作（例如生成医疗图像报告、推荐药物等），而非理想化地着眼于取代医生来做诊断，并且绕开这个终极目标（暂且不论这个目标本身是否可行或被接受）之前各种必须的铺垫和基础工作。因此与人类医生做各种形式对比的出发点本身有悖严肃的科学和工程评测原则。这些不从实际应用场景出发的研究，甚至无限放大人机PK，对人工智能研究者、 医疗从业者和公众都是误导。

知名人工智能创业公司 Petuum 近期发表了几篇论文，本着尊重医疗行业状况和需求的研究思路， 体现出了一种务实风格，并直接应用于他们的产品。为更好地传播人工智能与医疗结合的研究成果，同时为人工智能研究者和医疗从业者带来更加实用的参考，机器之心和 Petuum 将带来系列论文介绍。本文是该系列第一篇，介绍了如何使用机器学习自动生产医疗图像报告，从而更好地辅助医生做治疗与诊断。

如今，放射学图像和病理学图像这样的医疗图像在医院与诊所已有普遍的应用，特别是在许多疾病的诊断与治疗上，例如肺炎、气胸、间质性肺病、心理衰竭等等。而这些疾病医疗图像的阅读与理解通常是由专业的医疗从业者完成。

但对缺乏经验的放射科医师或病理学家来说，特别是在乡村地区工作的医师，编写医疗图像报告更为艰难。对经验丰富的医师而言，编写医疗图像报告又过于乏味、耗时。总之，对二者而言编写医疗图像报告是件痛苦的事。

如此看来，能否使用机器学习自动生成医疗报告呢？为了做到这一点，我们需要解决多个挑战。首先，一份完整的诊断报告包含多种不同的信息形式。如下图 1 所示，胸腔 X 光照图像报告包含 Impression 描述，通常是一句话；Findings 是一段描述；Tags 是一列关键词。用一个统一的框架生成这样的不同信息，技术上非常有挑战。在这篇论文中，研究人员解决该问题的方法是建立一个多任务框架，把对标签的预测当作多标签分类任务，把长描述（例如生成 Impression 和 Findings）的生成当作文本生成任务。在此框架中，两种任务共用同样的 CNN，来学习视觉特征并联合完成任务。

图 1. 一个包含三部分信息的胸部 X 光报告示例。在 impression 部分，放射专家结合 Findings、病人临床历史及影像学研究的指导做出诊断。Findings 部分列出了影像学检查中所检测的身体各部分放射学观察结果。Tags 部分给出了表示 Findings 核心信息的关键词。这些关键词使用医学文本索引器（MTI）进行标识。

第二，医疗图像报告通常更注重叙述异常发现，因为这样能直接指出疾病、引导治疗。但如何定位图片中的病变区域并附上正确的描述非常困难。作者们解决该问题的方法是引入一种协同注意力机制（co-attention mechanism），它能同步关注图像和预测到的标签，并探索视觉与语义信息带来的协同效应。

第三，通常医疗图像的描述非常长，包含多个语句或段落。生成这样的长文本非常重要。相比于直接采用单层 LSTM（难以建模长语句），作者们利用报告的合成特性采用了一种层级 LSTM 来生成长文本。结合协同注意力机制，层级 LSTM 首先生成高级主题，然后根据主题生成细致的描述。

总而言之，该论文的主要贡献包括：

• 提出一种多任务学习框架，能同步预测标签并生成文本描述；

• 介绍了一种协同注意力机制来定位异常区域，并生成相应的描述；

• 建立了一种层级 LSTM 来生成长语句、段落；

• 通过大量定量与定性的实验展示该方法的有效性。

<