IBM 最近在醫(yī)學(xué)領(lǐng)域成果喜人，動(dòng)作不斷。繼成功用照片診斷皮膚癌后，IBM 研究院日前發(fā)布最新成果稱，他們采用了深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)，在識(shí)別癌變細(xì)胞的有絲分裂上取得了巨大進(jìn)展。
醫(yī)生在診斷癌變細(xì)胞時(shí)，主要通過用活組織切片檢查法分析病人組織樣本的方式。然而即使這些組織有時(shí)如針頭般微小，病理學(xué)家需要從中檢測(cè)出腫瘤細(xì)胞消失的種種跡象，也要觀測(cè)出癌變細(xì)胞出現(xiàn)的重要特征，以幫助醫(yī)生對(duì)癥下藥。
病理學(xué)家在分析樣本時(shí)，會(huì)將一些典型的組織樣本用試劑溶液進(jìn)行著色標(biāo)記。結(jié)果顯示，試劑顏色的深淺及其在細(xì)胞組織內(nèi)的分布情況，能夠區(qū)分疾病的種類及疾病的惡化程度。
2016年腫瘤擴(kuò)散評(píng)估挑戰(zhàn)賽的乳腺癌細(xì)胞訓(xùn)練樣本
病理學(xué)家隨后要在顯微鏡下研究這種被標(biāo)記的組織樣本。然而此階段耗時(shí)長(zhǎng)且工作量巨大，研究人員每天都要處理上百份樣本，而這樣長(zhǎng)時(shí)間的高負(fù)荷工作難免會(huì)導(dǎo)致診斷正確率的降低。
隨著近代醫(yī)學(xué)影像技術(shù)及深度學(xué)習(xí)的發(fā)展，病理學(xué)家們亟需計(jì)算機(jī)技術(shù)的援助，而計(jì)算機(jī)科學(xué)家們也在為之不懈努力。為了驗(yàn)證人工智能技術(shù)在醫(yī)療領(lǐng)域中的應(yīng)用效果，科學(xué)家們組織了一場(chǎng)黑客馬拉松挑戰(zhàn)賽。
幾個(gè)星期前，在烏德勒支大學(xué)醫(yī)學(xué)中心、艾因霍芬技術(shù)大學(xué)、貝斯以色列女執(zhí)事醫(yī)療中心和哈佛醫(yī)學(xué)院的支持下，主辦方在希臘雅典進(jìn)行舉辦了“腫瘤擴(kuò)散評(píng)估挑戰(zhàn)賽”（Tumor Proliferation Assessment Challenge，TPAC），作為 2016 年的 MICCAI 國(guó)際會(huì)議的一個(gè)分會(huì)活動(dòng)。
來(lái)自全世界各地的 159 支團(tuán)隊(duì)，在活動(dòng)開展的首日爭(zhēng)分奪秒地下載醫(yī)學(xué)院提供的500張乳腺癌細(xì)胞圖像。作為訓(xùn)練樣本，該數(shù)據(jù)集超過了 50000*50000 像素的分辨率。誠(chéng)然，這場(chǎng)挑戰(zhàn)賽是一場(chǎng)鏖戰(zhàn)，直到比賽結(jié)束的鐘聲敲響，也只有14支隊(duì)伍提交了結(jié)果。
其中一支隊(duì)伍來(lái)自 IBM 瑞士實(shí)驗(yàn)室和 IBM 巴西實(shí)驗(yàn)室。這支藏龍臥虎的國(guó)際隊(duì)伍由法國(guó)人，匈牙利人和希臘人組成，共同參與了這界“基于自適應(yīng)算法的有絲分裂檢測(cè)難題”挑戰(zhàn)賽。競(jìng)賽長(zhǎng)達(dá)數(shù)月，經(jīng)歷了整整一個(gè)夏天，但是付出終有回報(bào)。他們?cè)诒敬伪荣愔幸慌e獲得第二名，與第一名只差了 0.004 分。
IBM研究員Erwan Zerhouni、Maria Gabrani與David Lanyi使用深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)解決癌癥中的難題
“人工辨認(rèn)細(xì)胞的有絲分裂是一個(gè)極其棘手的工作，既然如此，那就交給計(jì)算機(jī)來(lái)解決吧”，David Lanyi 如是說(shuō)。他在 IBM 工作之前曾在蘇黎世理工學(xué)院從事深度學(xué)習(xí)領(lǐng)域的有關(guān)研究。
“在今年 7 月，我們開始通過基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法進(jìn)行對(duì)組織樣本的特性進(jìn)行訓(xùn)練。訓(xùn)練的主要工作是尋找陰性和陽(yáng)性組織樣本的細(xì)微差別。在經(jīng)過一段時(shí)間的訓(xùn)練后，機(jī)器學(xué)習(xí)的效果顯著。”
Erwan Zerhouni 提道，“在五年前這幾乎是一項(xiàng)不可能完成的任務(wù)。目前，算法診斷一幅 5600*5600 的圖片需要一個(gè)小時(shí)，在后續(xù)的研究中我們可以不斷對(duì)其進(jìn)行優(yōu)化，從而將時(shí)間成本壓縮到 20 秒以內(nèi)，同時(shí)可以診斷任一種類型的癌癥。”
“我們?cè)O(shè)法結(jié)合 MICCAI 最新的深度學(xué)習(xí)技術(shù)來(lái)一起迎接針對(duì)組學(xué)數(shù)據(jù)（包括基因組學(xué)和蛋白質(zhì)組學(xué)）的深入分析，為病人提供更精準(zhǔn)的醫(yī)學(xué)診斷。”來(lái)自IBM巴西實(shí)驗(yàn)室并參與了這一挑戰(zhàn)賽的 Matheus Viana 時(shí)常在思索這一項(xiàng)目的未來(lái)發(fā)展。同時(shí)，這支團(tuán)隊(duì)正準(zhǔn)備與 IBM 海法實(shí)驗(yàn)室的研究人員共享乳腺癌成像分析的研究結(jié)果。
癌癥僅僅是 IBM 公司在醫(yī)療圖像領(lǐng)域研究的一類疾病。 IBM 會(huì)員兼醫(yī)學(xué)圖像領(lǐng)域?qū)＜?nbsp;Tanveer Syeda-Mahmood 博士了解到該團(tuán)隊(duì)的進(jìn)展計(jì)劃，并計(jì)劃與其協(xié)作研究，意將深度學(xué)習(xí)方法引入醫(yī)學(xué)篩研究領(lǐng)域。這對(duì)放射學(xué)與心臟病學(xué)的研究頗有裨益。類似地，在視覺疲勞的研究中，藥理學(xué)、病理學(xué)的專家們經(jīng)常遇到類似的挑戰(zhàn)。Syeda-Mahmood 的研究成果將在下周北美放射學(xué)會(huì)的年會(huì)上展出。
