谷歌科学家给显微镜安装智能增强现实眼睛实时准确圈出癌症病灶《资讯》

08-14

谷歌又来搞事了。自从2016年阿尔法狗在围棋比赛中战胜人类以来，人工智能强悍之名早已家喻户晓。近年来，人工智能在医学领域的发展也如火如荼，作为一家有伟大抱负的公司，谷歌自然也不会甘于人后。8月13日，谷歌团队就在顶级学术期刊《自然·医学》上发表了一项关于人工智能的重要研究[1]。他们通过人工智能构建的实时增强现实系统，能够给普通光学显微镜装上一双智慧之眼，可以根据放大倍数的变化，实时无延迟地圈出可疑区域。帮助使用者准确地识别病理特征。

根据放大倍数的变化，实时无延迟地给出可疑区域

目前，这个系统在乳腺癌的淋巴节转移和前列腺癌检测中小试牛刀，便取得惊人的效果，曲线下面积分别达到0.97和0.99。这对于疾病的及时诊断、危险分层以及用药指导具有重要意义。论文的通讯作者是Craig H. Mermel 和Martin C. Stumpe 博士，第一作者是Po-Hsuan Cameron Chen、Krishna Gadepalli和 Robert MacDonald。

该系统操作方便，能够很快让新手掌握，非常适用于缺乏病理专家的地区。并且，其价格低廉、兼容性好，可以很方便地加载到现有大部分显微镜上。因此，谷歌希望能将它推广到全世界。

Martin C. Stumpe 博士（来自Google AI）

目前，病理检测仍然是癌症、自身免疫疾病及传染性疾病等多种疾病检测的金标准。对于癌症检测，病理医生通常是用显微镜对组织样本进行观察，完成诊断和分期，从而能够判断预后并做出治疗决策[1]。

但是，现在这种检测手段面临很多问题。显微镜下的组织病理形态通常千奇百怪，要用肉眼进行判断，有很强的主观性；在临床指南上，又需要病理医生对病人的情况进行量化评估，以便更好地进行危险分层；而目前在很多地方，有经验的病理专家非常缺乏[2-4]。

病理组织（图片来自researchgate）

这些问题让癌症的显微镜检测遇到很大的挑战。

虽说目前人工智能已在病理检测领域取得很大的突破，但是将这些技术进展整合进现有的检测系统上时，还存在着一些现实问题，包括：

（1）传统的深度学习算法，需要先将病理片扫描成全视野数字化切片（WSI），但是这个设备目前只有少数大医院才有，很难普及。

（2）由于硬件、固件和软件的差异，兼容性和可操作性是个大问题，使用由他人开发的人工智能算法，甚至对专家来说都是一个挑战。

因此，人工智能在显微镜病理检测上的大规模实际应用，仍然难以实现。

针对这个问题，谷歌团队利用卷积神经网络开发了一套人工智能系统——显微镜增强现实技术（ARM）。将ARM加载在普通的显微镜上，能对实时成像信息进行增强、筛选和分析，使观察者看到的图像变得更加简单、明了。同时，这套系统还能附加其他机器学习算法，实现检测、量化或分类等多种功能。

该系统主要由三部分组成：一台经过改造的增强显微镜；一台能获取并展示实时图像信息的计算机；计算机里还有一套经过训练的深度学习算法。

工作时，增强显微镜将实时图像信息输送给计算机；计算机接收到图像后对其进行数字化处理进行处理后；最后由深度学习算法进行训练和推演，输出增强后的图像信息。

ARM系统

这些输出的图像可以是热点图，并附上各种注释信息，如文字、箭头、线条等，对于观察者来说具有极高的分辨度，非常易于识别。

系统搭建好后，研究人员赶快检验了它的实际能力。

他们选择的是淋巴节转移的乳腺癌和前列腺癌。

乳腺癌分期检测需要对有丝分裂期的细胞进行计数，并统计淋巴结里的肿瘤细胞数量；而前列腺癌则是要分辨组织形态。

研究人员先是分别用来自50张淋巴结WSI的1000个视野和34张前列腺组织WSI的1360个视野，对人工智能算法进行训练。

之后再对乳腺癌的淋巴结转移和前列腺组织样本进行检查。在人工智能的帮助下，研究人员在10倍镜下对淋巴结转移的检测时，发现曲线面积是0.92；而在20倍镜下，曲线下面积达到0.97。对于前列腺样本的检测，10倍镜下，曲线下面积是0.93，20倍镜下曲线面积达到了0.99。

输出的图片非常清晰，并进行了注释

准确率令人惊叹！

并且，这个系统处理图片的速度超快，并没有明显的延时，并不会影响医生的使用体验——

此外，这个ARM技术在疟疾或肺结核等传染性疾病检测、染色定量、尺寸测量、细胞或有丝分裂计数等上，也都具有广阔的应用潜力。

当然，作者表示还需要进一步评估在实际临床工作流程中，将ARM系统加载到其他显微镜（例如，不同的制造商）上的效果。

关于显微镜

显微镜是由一个透镜或几个透镜的组合构成的一种光学仪器，是人类进入原子时代的标志。

家里墙面刷什么漆环保

水性漆哪个牌子好

芬兰芬琳漆用着怎么样