每年有超過(guò)六十萬(wàn)人被診斷患有頭頸部癌癥，其中許多人選擇接受放射治療。 但頭頸部重要器官比較集中，解剖關(guān)系復(fù)雜，如果在治療前未仔細(xì)隔離，放療時(shí)周?chē)M織可能會(huì)嚴(yán)重受損。

騰訊醫(yī)療AI實(shí)驗(yàn)室和美國(guó)加州大學(xué)合作，正在探索人工智能(AI)如何幫助分割過(guò)程，輔助放療規(guī)劃。 近日聯(lián)合在國(guó)際權(quán)威期刊《Medical Physics》發(fā)表最新研究成果——《器官神經(jīng)網(wǎng)絡(luò)：深度學(xué)習(xí)用于快速和全自動(dòng)整體頭頸危及器官靶區(qū)勾畫(huà)》(AnatomyNet: Deep Learning for Fast and Fully Automated Whole-volume Segmentation of Head and Neck Anatomy)。

在頭頸癌放療過(guò)程中，醫(yī)生根據(jù)患者CT圖像手動(dòng)描繪放療靶區(qū)和危及器官(Organ at Risk，OaR)，目的是最大限度將放射劑量集中在靶區(qū)內(nèi)，而讓周?chē)＝M織或器官少受或免受不必要的傷害。然而，勾勒過(guò)程非常耗時(shí)，降低診療效率的同時(shí)，更是耽誤了患者的治療時(shí)間。該研究提出一種深度學(xué)習(xí)模型——“器官神經(jīng)網(wǎng)絡(luò)(AnatomyNet)”，可以快速地對(duì)整張CT的所有切片進(jìn)行全自動(dòng)化器官分割(Segmentation)，在小于1秒鐘的時(shí)間內(nèi)完成一整幅頭頸CT的危及器官勾畫(huà)，大幅度提升了放療靶區(qū)勾畫(huà)效率。研究成果一經(jīng)發(fā)表，就引起國(guó)際領(lǐng)域內(nèi)廣泛認(rèn)可，目前已被引用多次。與合作醫(yī)院的臨床測(cè)試表明，AI靶區(qū)勾畫(huà)能夠大幅度減少醫(yī)生工作時(shí)間，同時(shí)提升勾畫(huà)準(zhǔn)確率。

研究成果獲國(guó)內(nèi)外肯定

《Medical Physics》是美國(guó)醫(yī)學(xué)物理學(xué)家學(xué)會(huì)(The American Association of Physicists in Medicine，AAPM)的官方期刊，該研究成果在期刊上發(fā)表后，目前已經(jīng)被多個(gè)機(jī)構(gòu)引用。

美國(guó)德克薩斯大學(xué)MD安德森癌癥中心(MD Anderson Cancer Center)對(duì)騰訊醫(yī)療AI實(shí)驗(yàn)室的“器官神經(jīng)網(wǎng)絡(luò)”表示關(guān)注，并把該研究成果作為中心一項(xiàng)大規(guī)模研究的重要部分。該中心在美國(guó)乃至全球皆享譽(yù)盛名，多次被評(píng)為美國(guó)最佳癌癥研究機(jī)構(gòu)，也是公認(rèn)的全球最好的腫瘤醫(yī)院。

此外，論文一經(jīng)發(fā)布，很快被加拿大瑞爾森大學(xué)、中國(guó)中科院等多家機(jī)構(gòu)學(xué)者在其研究報(bào)告中被提及和引用，作為最新的研究突破獲得國(guó)內(nèi)外認(rèn)可。

“器官神經(jīng)網(wǎng)絡(luò)”為何廣受關(guān)注?

在放射治療過(guò)程中，醫(yī)生需要基于患者CT圖像勾畫(huà)出危及器官，而一個(gè)標(biāo)準(zhǔn)的CT圖像包含上百?gòu)埱衅?，醫(yī)生需要單獨(dú)在每個(gè)切面中勾畫(huà)出危及器官的位置，手動(dòng)描繪非常耗時(shí)。一般來(lái)說(shuō)，根據(jù)醫(yī)生熟練程度，大概需要幾個(gè)小時(shí)的時(shí)間。

自動(dòng)危及器官分割技術(shù)可以同時(shí)減少治療計(jì)劃所占用的時(shí)間，以及提高治療計(jì)劃的質(zhì)量。現(xiàn)有的器官自動(dòng)分割主要使用基于模板的技術(shù)。這類(lèi)技術(shù)盡管需要復(fù)雜的技術(shù)來(lái)創(chuàng)建模板，但是不能夠充分地對(duì)病人之間的差異進(jìn)行建模。需要時(shí)間超過(guò)20分鐘。

騰訊醫(yī)療AI實(shí)驗(yàn)室研究團(tuán)隊(duì)提出器官神經(jīng)網(wǎng)絡(luò)(AnatomyNet)深度學(xué)習(xí)方法，可以對(duì)頭頸CT圖像進(jìn)行危及器官分割。器官神經(jīng)網(wǎng)絡(luò)的輸入是頭頸CT圖像的所有切片。該神經(jīng)網(wǎng)絡(luò)可以一次性產(chǎn)生所有危及器官的預(yù)測(cè)結(jié)果。

器官神經(jīng)網(wǎng)絡(luò)的構(gòu)建是基于常用的三維U網(wǎng)絡(luò)(U-net)架構(gòu)，但是騰訊AI實(shí)驗(yàn)室在三個(gè)重要的方面對(duì)其進(jìn)行了擴(kuò)展：1)一種新的在整幅CT圖像上進(jìn)行自動(dòng)分割的編碼方式，而不是在局部圖像塊上，或者一部分CT圖像切片上分割;2)在編碼層中，加入三維Squeeze-and-Excitation殘差結(jié)構(gòu)來(lái)進(jìn)行更好的特征表示學(xué)習(xí);3)一種新的結(jié)合Dice損失和Focal損失的損失函數(shù)，用來(lái)更好地訓(xùn)練該神經(jīng)網(wǎng)絡(luò)。在深度學(xué)習(xí)的器官分割中，使用這些技巧解決兩個(gè)主要的挑戰(zhàn)：a)小器官的分割(比如，視神經(jīng)和視交叉)。這些小器官僅僅只有幾個(gè)切片。b)對(duì)于一些器官結(jié)構(gòu)，數(shù)據(jù)標(biāo)注不一致以及標(biāo)注缺失給訓(xùn)練造成一些問(wèn)題。

圖1：器官神經(jīng)網(wǎng)絡(luò)危及器官分割結(jié)果

圖1為器官神經(jīng)網(wǎng)絡(luò)危及器官分割結(jié)果，其中綠色為醫(yī)生標(biāo)注，紅色為器官神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果，黃色表示標(biāo)注和預(yù)測(cè)重合，結(jié)果顯示高度一致。

從圖2的動(dòng)態(tài)效果圖上，可以更清晰地在三維CT所有切片上看到器官神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)和醫(yī)生標(biāo)注的比較，其中左邊顯示的是醫(yī)生標(biāo)注，右邊顯示的是器官神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果。

圖2：動(dòng)態(tài)效果圖

從結(jié)果上說(shuō)：和之前MICCAI競(jìng)賽中最好的方法相比，器官神經(jīng)網(wǎng)絡(luò)平均提升了3.3%的Dice指標(biāo)。器官神經(jīng)網(wǎng)絡(luò)僅僅使用0.12秒就可以完全完成一整幅CT圖像(178?512?512)的分割。該速度極大地縮短了之前方法所用的時(shí)間(20分鐘以上)。除此之外，該模型可以處理一整幅包含所有切片的CT圖像，以及一次性勾畫(huà)所有的危及器官，不需要很復(fù)雜的預(yù)處理以及后處理。

騰訊醫(yī)療AI實(shí)驗(yàn)室開(kāi)發(fā)的深度學(xué)習(xí)模型提供了一種CT圖像勾畫(huà)危及器官的可行思路。表明深度學(xué)習(xí)可以提升器官分割準(zhǔn)確率，簡(jiǎn)化自動(dòng)分割器官的流程。該技術(shù)可以在小于1秒鐘的時(shí)間內(nèi)完成一整幅頭頸CT的危及器官勾畫(huà)。

騰訊醫(yī)療AI實(shí)驗(yàn)室以科研成果推動(dòng)技術(shù)創(chuàng)新

除本次發(fā)表于《Medical Physics》的研究成果，今年7月，騰訊醫(yī)療AI實(shí)驗(yàn)室已有3篇論文分別被KDD 2018、SIGIR 2018、COLING 2018三個(gè)國(guó)際頂尖學(xué)術(shù)會(huì)議收錄，論文的主要研究方向?yàn)獒t(yī)療知識(shí)圖譜中實(shí)體關(guān)系的發(fā)現(xiàn)和應(yīng)用。

騰訊醫(yī)療AI實(shí)驗(yàn)室是騰訊專(zhuān)為醫(yī)療領(lǐng)域打造的人工智能實(shí)驗(yàn)室，目前在硅谷、北京、深圳設(shè)立了三個(gè)分支。其作為騰訊醫(yī)療健康領(lǐng)域眾重要技術(shù)驅(qū)動(dòng)，騰訊AI實(shí)驗(yàn)室在學(xué)術(shù)研究層面不斷發(fā)力，致力于AI醫(yī)學(xué)領(lǐng)域的前沿突破。

實(shí)驗(yàn)室的主要研究方向是基于自然語(yǔ)言理解、醫(yī)學(xué)知識(shí)圖譜、深度學(xué)習(xí)、醫(yī)療影像、貝葉斯網(wǎng)絡(luò)、多模態(tài)分析等基礎(chǔ)技術(shù)構(gòu)建醫(yī)學(xué)知識(shí)引擎、醫(yī)療推理引擎、臨床輔助診斷引擎、問(wèn)診對(duì)話(huà)引擎等智能平臺(tái)。

騰訊醫(yī)療AI實(shí)驗(yàn)室致力于推動(dòng)醫(yī)療AI開(kāi)創(chuàng)性技術(shù)研發(fā)，目前，騰訊醫(yī)療AI實(shí)驗(yàn)室已推出帕金森病運(yùn)動(dòng)功能智能評(píng)估系統(tǒng)，其他主要產(chǎn)品還包括臨床輔助決策支持系統(tǒng)，面向腦卒中、急性冠脈綜合癥等高危易誤診疾病提供臨床輔助決策支持，以及心電圖智能分析軟件，利用AI技術(shù)實(shí)現(xiàn)心電圖監(jiān)測(cè)結(jié)果的自動(dòng)判讀和預(yù)警等。

近日，以騰訊醫(yī)療AI實(shí)驗(yàn)室為技術(shù)核心主體，騰訊作為牽頭單位承擔(dān)“2018年科技部重點(diǎn)研發(fā)計(jì)劃數(shù)字診療裝備專(zhuān)項(xiàng)基于人工智能的輔診系統(tǒng)項(xiàng)目”，將會(huì)組建高精尖隊(duì)伍承擔(dān)國(guó)家科研重任，搭建AI輔診平臺(tái)并向臨床應(yīng)用推進(jìn)。

未來(lái)，騰訊醫(yī)療AI實(shí)驗(yàn)室也將持續(xù)通過(guò)研發(fā)AI技術(shù)與醫(yī)療的深度結(jié)合，構(gòu)建良好的技術(shù)生態(tài)，從臨床角度解決問(wèn)題，服務(wù)于醫(yī)患雙方，助力醫(yī)療行業(yè)智慧化升級(jí)，同時(shí)著重助力分級(jí)診療國(guó)策的落地。