AI不是“药神” 但AI是发现疾病的良方

近年来，肿瘤进化、肿瘤异质性、肿瘤免疫、肿瘤微环境一直是肿瘤研究的热点。虽然肿瘤的诊断及治疗上取得了很多进展和突破，但很多肿瘤患者的五年生存率依然是偏低的，肿瘤复发和耐药的风险依然存在。另外还有许多尚未解决的科学问题。因此，2018肿瘤与转化医学国际大会在上海举行。

2018年7月5日，《我不是药神》，该影片一上映就迎来了巨热，但该影片巨热的背后，也该看到现实的残酷，一份来自全国肿瘤登记中心筛选的255个登记点，涵盖31个省市自治区，包括43个高城市化城镇，83个中等城市化城镇和129个低城市化城镇的数据显示，目前，中国癌症发病率和死亡率持续上升，已经成为最主要的疾病死亡原因。每天约1万人诊断癌症，每分钟月7人确诊患癌。

全国癌症新发病例占世界1/4，同年，世界新发病例约1409万（数据来源：RGA速递中国城市癌症最新数据）

Airdoc首席医学官陈羽中出席大会并发表演讲，AI不是万能的神药，却是发现规律的良方。

只要我们有足够的优质数据，机器可能从中发现规律，通过规律识别病症。其中的规律可能有不少是人类当下并不认识或掌握的规律。AI能识别出众多的图形特征，如出血点、渗血、视盘、黄斑、血管等等。在目前昂贵的肿瘤治疗领域，人工智能是改变其现状的一个突破口。

肿瘤病理的识别-病灶检测

一张40倍放大的电子化病理切片通常由超过十亿个像素点组成，然而淋巴结附近微转移肿瘤细胞群可能最小只有不到1000像素的直径。而一旦发现微转移肿瘤细胞群，病人的治疗方案和预后可能就会有极大差别。因此，详尽的阅读病理切片，且不漏掉任何一处具有临床价值的病灶，如同大海捞针，是一项十分复杂和耗时的任务。为了帮助病理医生更有效的阅读病理切片，研究人员提出了许多深度学习算法，来预测病理切片中的肿瘤细胞区域。在包含上10亿像素点的组织切片病理图中分割得到直径约1000像素点的肿瘤细胞定位及分割结果。

这一切都得益于人工智能的快速发展，目前，BAT三大巨头都在积极探索AI在眼底影像、放射影像、以及智能问诊等其他一些医疗领域的应用。

当下中国的医疗资源分配不均，很多“穷人”看不起病。但现在这个现状有有望通过人工智能来改变，也可以说“人工智能是医疗行业的工业革命”，人工智能在医疗行业，节省了大量的人力成本和社会资源，打破了看病贵这一难题。

陈羽中表示，2012年是个伟大的年份，深度卷积神经网络在ImageNet比赛中大放异彩，将1000分类的识别错误率从之前最低的25.8%刷新到历史新低的16.4%，引起学术圈的轰动，从此开创了深度神经网络空前的高潮。自2012年起，深度学习已经成为比赛的主流方法，以深度学习为核心驱动力，计算机视觉在各主要目标上都取得了突破性的进展，在很多应用场景上识别效果已经达到或超过人类专家水平。计算机视觉实现了：多目标识别、精确到像素级别的分割、人类专家级别的准确率、对人体姿态的实时跟踪。

计算机视觉的“弱智”

深度学习本身不具备推理能力，例如在识别黄斑的时候，出血干扰黄斑区，目前深度学习模型就无法推测出黄斑区域。人的视觉是与认知、推理结合的高度复杂而智能的图像分析，计算机视觉只是基于图像像素的处理，并没有认知和推理的过程，在数据不足的状况下，对图像的理解就很片面。目前的人工智能还处于弱人工智能阶段，没有推理和自主意识。