重要突破！中國科學(xué)家實(shí)現(xiàn)基底細(xì)胞癌4.1秒人工智能精準(zhǔn)識別

　　近日，皮膚病領(lǐng)域知名的英國同行評議類雜志《British Journal of Dermatology》正式發(fā)表了Airdoc人工智能算法團(tuán)隊與中國醫(yī)學(xué)科學(xué)院皮膚病醫(yī)院、密歇根大學(xué)計算醫(yī)學(xué)與生物信息學(xué)系合作完成的題為"Recognizing basal cell carcinoma on smartphone-captured digital histopathology images with a deep neural network"的研究成果。Br J Dermatol. 2020 Mar;182(3):754-762. doi: 10.1111/bjd.18026. Epub 2019 Aug 22.

　　此次研究中，中國科學(xué)家實(shí)現(xiàn)了皮膚科基底細(xì)胞癌識別和分類上的里程碑成果——通過人工智能算法深入學(xué)習(xí)研究，構(gòu)建出基于智能手機(jī)采集的microscopic ocular images

　　(MOI，目鏡切片圖像)實(shí)現(xiàn)基底細(xì)胞癌的自動識別和分割。此分割模型的IoU(Intersection over Union) 達(dá)到0.863，特異性和敏感性達(dá)到0.969和0.939，較之前學(xué)術(shù)圈公布的海外研究的0.764的IoU【1】，和0.927和0.869的特異性敏感性都有大幅提升【2】。

　　圖1：灰色部分為人工識別癌組織，紅色部分為研究算法識別癌組織。

　　基底細(xì)胞癌是發(fā)病率最高的皮膚癌，也是人類最為常見的惡性腫瘤之一。除黑色素瘤以外的皮膚癌中，約80%都是基底細(xì)胞癌，金剛狼的扮演者休·杰克曼就曾得過基底細(xì)胞癌，并且復(fù)發(fā)了6次，影響了自身的演藝事業(yè)。

　　圖2：金剛狼扮演者休·杰克曼ins發(fā)布再患基底細(xì)胞癌

　　由于發(fā)病率高，皮膚病理醫(yī)生每天都在跟基底細(xì)胞癌的病理切片打交道，工作量很大，而在基底細(xì)胞癌Mohs手術(shù)后判斷腫瘤切緣是否干凈時，類似的工作量更是大大地增加。行業(yè)急需一種快速、嚴(yán)密的人工智能計算方法來實(shí)現(xiàn)基底細(xì)胞癌的自動診斷以節(jié)約人力的資源。

　　由姜祎群、熊健皓和李洪陽領(lǐng)銜的研究團(tuán)隊使用了ResNet50和DeepLabV3對基底細(xì)胞癌的切片圖像進(jìn)行癌變識別，和傳統(tǒng)研究使用高清掃描切片作為識別對象不同，本次研究識別的切片圖像來自于智能手機(jī)通過目鏡拍攝所得。研究人員在三種類型的圖像來源上建立了三個分類模型(分別針對：10X高清掃描切片、40X高清掃描切片和10X目鏡切片圖像)和一個分割模型，得出目鏡切片圖像的結(jié)果與高清掃描切片具有可比性，建立的模型AUC達(dá)到0.98，并且能在不同類型的測試數(shù)據(jù)集上達(dá)到0.93的AUC，泛化性非常好，分割模型的mean IoU到達(dá)0.86。這種模型是以后推廣使用價格低廉的目鏡圖片拍攝進(jìn)行基底細(xì)胞癌檢測的一種有效辦法，可以減少購買高成本的掃描儀器，與此同時提供快速、準(zhǔn)確的識別癌組織。

　　圖3：abc為目鏡切片圖像，d為高清掃描切片

　　圖4：三種識別系統(tǒng)

　　為方便不同場景的應(yīng)用，科研團(tuán)隊研發(fā)出三種不同的系統(tǒng)。第一種Segmentation-based BCC recognition system ，可以自動識別出癌組織，并在圖像中標(biāo)識清楚，花費(fèi)時間約為16秒，能夠達(dá)到專家同等識別能力。第二種Classification- based BCC recognition system ，有無癌組織分類，直接反饋?zhàn)R別結(jié)果，實(shí)現(xiàn)在高精度前提下的高速識別，花費(fèi)時間僅需500毫秒。第三種Cascade BCC recognition system ，具備以上兩種系統(tǒng)功能，并增添一個自動判斷模塊，在識別癌細(xì)胞前對圖像進(jìn)行分類處理，在保持最高精準(zhǔn)識別度的前提下，選擇適合的識別方法，從而提高識別速度，僅需4.1秒即可完成。

　　本次研究首次實(shí)現(xiàn)利用智能手機(jī)自帶相機(jī)拍攝MOI，建立神經(jīng)網(wǎng)絡(luò)模型自動識別基底細(xì)胞癌，成功將人工智能深度學(xué)習(xí)算法引入到基底細(xì)胞癌的識別中，通過算法自動化識別，減少人力工作和不同地區(qū)、不同診斷醫(yī)生之間的診斷差別讓基底細(xì)胞癌患者得到更好更快更專業(yè)的治療，對推進(jìn)基底細(xì)胞癌的研究有重大意義。

　　參考：

　　【1】Chen LC, Papandreou G, Schroff F, Adam H. Rethinking atrous convolution for semantic image segmentation. Available at: (last accessed 5 June 2019)【2】Cruz-Roa AA, Arevalo Ovalle JE, Madabhushi A, Gonz?alez Osorio FA. A deep learning architecture for image representation, visual interpretability and automated basal-cell carcinoma cancer detec- tion. Med Image Comput Comput Assist Interv 2013; 16:403–10.

（責(zé)任編輯：華康）