慧眼識病灶
去年香港公立醫院的醫生流失率達5.9%，創歷年新高，放射科和病理科皆為重災區。據IBM推測，九成醫學數據都是醫學影像，可見醫學影像對臨床斷症日益重要，若負責相關專業的放射科和病理科醫生人手短缺，影響匪淺。中大計算機科學與工程學系王平安教授及其團隊成功研發的人工智能醫學影像識別技術，可減輕醫生的工作量，提升斷症的準確度。
深度學習屬人工智能的分支，以卷積神經網絡（CNN）作影像運算，能夠「看」到影像細節，加以分析。王教授說：「人工智能平台會按醫護人員或工程師的指示分析和解讀數據，過程猶如大腦從眼睛接收視覺刺激，繼而建構有意義的資訊。這系統就像會下圍棋的人工智能程式AlphaGo，只要給它足夠的數據作運算訓練，便能運籌決勝。」
當醫護界廣泛採用這個自動化檢測與分析系統，醫生便會多了一位永不怠倦的小助手，能快捷有效地找出病灶，輔助醫生提供及時、適切的療程。王教授的團隊近年針對肺癌及乳癌（香港兩大常見危疾）個案驗證其人工智能平台成效，準確率分別高達91%及99%，王教授說：「癌症的確診個案與日俱增，對醫療系統造成一定壓力。不過，以往醫生要花十五分鐘去解讀的醫學影像，已可以通過智能平台快速識別病灶，讓病人更快接受合適的治療，影響深遠。」
醫生的得力助手
早期肺癌多以肺結節的形式出現，醫生會在肺部CT影像發現細小的陰影。單靠肉眼判斷一幅CT影像需時約五分鐘，準確度或會因為放射科醫生的經驗與專注力而有差異。研究團隊採用三維CNN深度學習技術，能辨別胸腔CT圖像的結構特徵，於三十秒內找出有問題的肺結節。王教授的博士生竇琪說：「掃瞄立體的CT和MRI影像難度較高，我們的團隊率先提出以三維CNN技術識別立體影像的特徵，這項技術在國際賽事屢獲佳績。」
乳癌是香港女性最常見的癌症，要準確斷症，醫生須抽取活組織樣本仔細化驗，但一幅數碼活組織全切片圖像的解像度非常高，檔案大小可達1GB，相當於一部九十分鐘高清電影，除了需要一個穩定的系統處理高像素的數據，檢測過程也十分費時費力，憑肉眼判斷一幅影像耗時十五至三十分鐘。王教授的團隊研發出一個CNN模型，可於五至十分鐘內自動識別癌細胞，較其他先進的系統快六十倍，準確度比資深病理科醫生的判斷高2%。
肺癌的假陽性表徵與肺結節十分相似，要識別肺結節難度極高。王教授說：「我們於是設計一個網上篩檢系統，找出懷疑有問題的樣本去訓練人工智能系統，以提升篩檢的準確度，再以一個深度學習模型定位，並挑選出有問題的肺結節。」去年，團隊的深度學習技術於MICCAI（醫學影像計算與計算機輔助介入國際會議）贏得醫學影像分析最佳論文獎。
團隊於2013年着手研究醫學影像分析項目，分析了逾五千個來自不同國家的病例。竇琪說：「為尊重病人私隱，我們會在分析數據前移除他們的個人資料。」自動化醫學影像分析於醫護界漸得好評，王教授冀望業界數年內可廣泛應用其深度學習系統，他說：「我們會把系統應用於更多常見的危疾，例如子宮頸癌和鼻咽癌，現時團隊與中山大學腫瘤防治中心合作，研究以人工智能勾劃鼻咽癌放射治療範圍，勾劃過程少於一分鐘。」
大學與業界夥伴合作
人工智能技術能有效紓解醫護人手不足，提升服務質素。截至2017年2月，全球已有一百零六家人工智能醫療初創企業，視見科技是其中之一，由中大虛擬現實可視化與圖像研究中心「孵化」而成，王平安教授是該中心主任，也是視見科技的聯合創辦人和首席科學家。
視見科技銳意研發醫學影像分析軟件及可擴展的影像自動識別平台，獲得投資者青睞。本年3月底深創投領投視見科技，完成人民幣六千萬元的A輪融資。公司於上年創立初期獲香港創新科技署撥款支持，並得到聯想創投集團注資人民幣二千萬元。中國醫學影像市場平均每年增長三成，但放射科醫生每年只增加4.1%，科技產業化有助應對市場龐大的需求。
本年2月，視見科技與中大深圳研究院簽訂研究與產品開發的合作協議，王教授說：「大學會專注於科研和培育科技人才，而公司會致力與業界夥伴建立戰略合作關係，開發更多產品。大數據現正轉化醫療發展，大家都見證到自動化數據分析如何輔助醫生診斷，我們會繼續與醫護界合作，盡心為病人謀福。」
J. Lau
本文出自《中大通訊》第516期（2018年4月）
關注我們
- 中大百寶箱：
