当前，人工智能已经全面“入侵”我们的生活，其在医疗领域更是大显身手，“秒杀”不少医学专业人员。近日，香港中文大学宣布，该校计算机科学与工程学系教授王平安团队利用人工智能影像识别技术判读肺癌及乳腺癌的医学影像，准确率分别达91%及99%，且识别过程只需30秒至10分钟，真是厉害了！

人工智能可以让现代教育中的“记忆”在瞬间机械地变得思接千载视通*纵横八荒。王平安团队研究人员利用人工智能系统，以深度学习（Deep Learning）不断“练习”判断医学影像。

团队开发的技术，针对判别香港两大高危疾病——肺癌及乳腺癌的医学影像。王平安称，肺癌筛查相当重要，早期肺癌多以肺小结节（Small pulmonary nodule）的形式出现，即在肺部影像出现细小的团状阴影。医生主要通过胸腔CT图像检查是否存在肺小结节，不过，每次检查都可产生多达数百张断层扫描图像，单靠肉眼判断，耗时至少5分钟，准确度亦受人手判别而有差异。

该团队采用深度学习技术判读CT扫描图像，通过深层神经网络自动检测识别出可能出现肺小结节的位置，耗时30秒，准确率高达91%。王平安表示，深度学习技术可提升技术敏感度，剔除疑似及误报。

而对于乳腺癌的检测，医生一般会通过乳房X光或磁共振成像扫描，检测硬块位置。在检测淋巴结转移时，医生会切取一小块活组织为样本，在显微镜下检查淋巴结是否转移，以及肿瘤是良性还是恶性。而一幅数码活组织全切片图像的解像度非常高，档案大小可达1GB，相当于一部90分钟高清电影的储存容量，令检测过程复杂费时。

对此，团队开发一种新型的深层卷积神经网络，分阶段处理乳腺癌的切片图像。首先，使用改良版的全卷积网络（一种对图像进行较粗略但保持高灵敏度的快速预测模型），重构出更为精密准确的预测结果，然后定位并挑选出含有淋巴结转移的图像。对比资深病理医生人工检测结果，该项自动化检测的准确度高出2%，达到98.75%，耗时只需5至10分钟。

据悉，该团队期望在未来的1至2年，这项自动化监测技术能在香港医疗界广泛应用。这2项人工智能系统如果真能应用于临床实践，对于医患来说无疑益处多多！

（环球医学编辑：常 路 ）