人工智能的好處顯而易見，比如在醫(yī)療健康領(lǐng)域，人類專家需要花費(fèi)數(shù)年時間不斷研究和糾錯，才能總結(jié)出一套基于各種因素診斷疾病的方法，但對人工智能而言可能只是幾分鐘的事情。

Google在醫(yī)療AI領(lǐng)域已經(jīng)取得了不少成果，比如利用AI診斷心血管疾病、眼底病和急性腎損傷等。如今老牌科技巨頭——微軟也加緊了腳步。

近日，微軟和阿波羅醫(yī)院發(fā)表聯(lián)合聲明，表示雙方將結(jié)成戰(zhàn)略同盟，聯(lián)手設(shè)計新的機(jī)器學(xué)習(xí)算法，用于預(yù)測心臟疾病的風(fēng)險，并協(xié)助醫(yī)生迅速找到相關(guān)治療方法。

“我們與阿波羅醫(yī)院的合作，將我們在人工智能和機(jī)器學(xué)習(xí)領(lǐng)域的特長和阿波羅醫(yī)院在心臟病方面的專業(yè)知識和經(jīng)驗結(jié)合到了一起”，微軟人工智能研究中心副總裁Peter Lee說道。

他還指出，人工智能與醫(yī)療健康系統(tǒng)的結(jié)合是為了更好地賦能醫(yī)務(wù)工作者，從而推動人工智能的普及。這個過程是以解決方案為導(dǎo)向的，通過更加直觀、快捷和有效的診斷方法來減輕疾病對人類造成的負(fù)擔(dān)。

微軟在一篇博客中指出，目前雙方正在開發(fā)一個用于確定心臟健康狀況的人工智能API。不過博客中并沒有聲明，這個API是歸阿波羅醫(yī)院獨(dú)有，還是會向該國的其他醫(yī)療從業(yè)者開放。

在印度，心血管疾病是導(dǎo)致患者死亡的主要原因之一，心臟病導(dǎo)致的死亡率比全球平均水平高出0.235%（截至2016年）。對于患有早發(fā)型疾病的患者來說情況更是嚴(yán)峻。阿波羅醫(yī)院掌握了大量心臟病患者的臨床病史數(shù)據(jù)，他們計劃利用這些數(shù)據(jù)和人工智能等先進(jìn)技術(shù)來預(yù)測和預(yù)防心臟病的發(fā)生。阿波羅醫(yī)院的聯(lián)合總經(jīng)理Sangita Reddy表示，他們將逐步建立一個“全球聯(lián)盟”，讓他們的研究成果惠及其他國家的患者。

除了與阿波羅醫(yī)院合作，微軟近日還宣布推出Microsoft Genomics服務(wù)。Microsoft Genomics服務(wù)通過利用和處理基因數(shù)據(jù)，來幫助醫(yī)學(xué)研究者發(fā)明更精準(zhǔn)地治療癌癥等疾病的藥物。比如，通過分析患者的健康和腫瘤細(xì)胞組織以及其他患者的醫(yī)療數(shù)據(jù)（包括治療方法和結(jié)果），醫(yī)生能夠選擇最有效的治療方案。

圣裘德兒童研究醫(yī)院、微軟以及DNAnexus（一個運(yùn)營在Azure上的基因數(shù)據(jù)管理平臺）三方基于共享基因數(shù)據(jù)以及Microsoft Genomics服務(wù)，合作開發(fā)了一套基因組比對和基因變異識別的流程?；谶@套流程，合作者們已經(jīng)處理了超過500TB的基因數(shù)據(jù)，并將其存儲在Azure以供大家分析。對于研究醫(yī)院、DNAnexus和微軟正在合力建立的數(shù)據(jù)分享平臺來說，這些數(shù)據(jù)分析結(jié)果提供了一個良好的基礎(chǔ)。

據(jù)了解，Microsoft Genomics服務(wù)是微軟Healthcare NExT的一部分，Healthcare Next是微軟發(fā)起的通過人工智能和云計算來加速健康保健行業(yè)的創(chuàng)新。在擁有大量準(zhǔn)確醫(yī)療數(shù)據(jù)的前提下，微軟希望通過部署在云上的AI工具來幫助研究者更快地發(fā)現(xiàn)癌癥等疾病的治療方法。而一個處理基因數(shù)據(jù)的通用流程，可以有效降低可能影響數(shù)據(jù)的偽影和噪音，有助于AI驅(qū)動下的精準(zhǔn)醫(yī)療。

目前，Microsoft Genomics已經(jīng)面向美國、西歐和東南亞的用戶提供服務(wù)。

布局由來已久

病理切片的識別和判斷

微軟在醫(yī)療健康領(lǐng)域的布局由來已久，早在2014年，微軟亞洲研究院的團(tuán)隊就已經(jīng)開始鉆研腦腫瘤病理切片的識別和判斷，通過細(xì)胞的形態(tài)、大小、結(jié)構(gòu)等，去輔助分析和判斷病人所處的癌癥階段。

近兩年，基于“神經(jīng)網(wǎng)絡(luò)＋深度學(xué)習(xí)”的模式微軟亞洲研究院在該領(lǐng)域取得了兩大突破：

首先，實現(xiàn)了對大尺寸病理切片的圖片處理。通常圖片的尺寸也就是224*224像素，但腦腫瘤病理切片的尺寸卻達(dá)到了20萬*20萬、甚至40萬*40萬像素。對于大尺寸病理切片影像的識別系統(tǒng)，微軟亞洲研究院沒有沿用業(yè)內(nèi)常用的數(shù)字醫(yī)學(xué)圖像數(shù)據(jù)庫，反而在ImageNet這個計算機(jī)領(lǐng)域最為成熟的圖片數(shù)據(jù)庫的基礎(chǔ)之上利用盡可能多的圖片，通過自己搭建的神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)算法不斷進(jìn)行大量訓(xùn)練而成，最終實現(xiàn)了對大尺寸病理切片的圖片處理。

對大尺寸病理切片圖片通過神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)算法進(jìn)行處理的流程

其次，在解決了細(xì)胞層面的圖像識別之后，又實現(xiàn)了對病變腺體的識別。所謂腺體，可以簡單理解為多細(xì)胞的集合體，它更接近于“器官“的概念。相對于細(xì)胞病變，腺體病變的復(fù)雜性和可能的組合都呈指數(shù)級增長，但對腺體狀態(tài)的準(zhǔn)確識別，則可以大大提高對癌癥分析的準(zhǔn)確程度，意義更加深遠(yuǎn)。

對病變腺體的識別，主要是基于醫(yī)學(xué)角度三個可以衡量癌細(xì)胞擴(kuò)散程度和預(yù)后能力的指標(biāo)：細(xì)胞的分化能力，腺體的狀況和有絲分裂水平。微軟亞洲研究院針對這三個角度，通過多渠道（Multi-Channel）的數(shù)據(jù)采集和分析，希望在未來幫助醫(yī)生實現(xiàn)對病人術(shù)后、康復(fù)水平乃至復(fù)發(fā)的可能性做出預(yù)估和判斷。

腺體圖像經(jīng)過計算機(jī)處理后被抽象成不同的結(jié)構(gòu)，以便于計算機(jī)進(jìn)一步識別與判斷

以往醫(yī)生都是憑借”肉眼”和經(jīng)驗去觀察病理切片影像并判斷病情，如今人工智能中的兩大核心技術(shù)：神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)則讓計算機(jī)系統(tǒng)能夠自動學(xué)習(xí)惡性腫瘤細(xì)胞與正常細(xì)胞間的差異以及癌癥病情的分析和判斷標(biāo)準(zhǔn)，同時能夠在掃描病理切片之后，給出判斷結(jié)果，供醫(yī)生參考。計算機(jī)強(qiáng)大的運(yùn)算能力彌補(bǔ)了部分醫(yī)生由于經(jīng)驗不足引起的誤判，或是對罕見病及疑難雜癥的思慮不周。而且計算機(jī)還能發(fā)現(xiàn)人眼不易察覺的小細(xì)節(jié)，并總結(jié)出一些出乎醫(yī)生意料之外的規(guī)律，從而不斷完善醫(yī)生和計算機(jī)系統(tǒng)的知識體系。因此，正是人工智能技術(shù)讓精準(zhǔn)醫(yī)療能夠繼續(xù)向前推進(jìn)。

不同種類的惡性腫瘤切片經(jīng)過算法處理后進(jìn)行分類

目前，微軟亞洲研究院對二維醫(yī)學(xué)影像識別結(jié)果的準(zhǔn)確性已經(jīng)處于國際領(lǐng)先水平。除了腦腫瘤以外，該研究結(jié)果也可以擴(kuò)展至其他疾病的二維醫(yī)學(xué)影像的識別和判斷，例如正在研究的腸癌等。此外，微軟亞洲研究院還在研究肝腫瘤患者的CT三維影像，雖然三維影像與二維影像的識別技術(shù)有本質(zhì)區(qū)別，但基于微軟亞洲研究院在人工智能領(lǐng)域多年來的深入積累，相信我他們在三維CT影像識別上的突破也指日可待。

超級電子病歷，醫(yī)生的“辭典”

除了醫(yī)學(xué)影像識別，微軟亞洲研究院在醫(yī)療文字處理方面也做了不少研究。

全世界的醫(yī)生所寫的病歷都是最難懂的書法，由于時間有限，醫(yī)生們不得不在寫病歷的時候龍飛鳳舞。在病歷電子化之后，雖然書寫的問題得以解決，但病歷上記載的各種描述性語言——有的簡潔，有的啰嗦，有的甚至不完整——對于醫(yī)生后續(xù)進(jìn)行病情查閱、檢視或?qū)W習(xí)參考來說都非常不便。

因此微軟亞洲研究院團(tuán)隊通過語音和自然語言理解技術(shù)，讓醫(yī)生可以口述病歷，隨后計算機(jī)將語音轉(zhuǎn)換成文字再進(jìn)行結(jié)構(gòu)化處理，從而形成一個囊括了所有關(guān)鍵詞的樹狀圖，清晰、簡潔地總結(jié)所有有用信息，讓患者或其他醫(yī)生對所有病理歷程一目了然，如有何病史，用過什么藥物，排除了哪些疾病可能，待排查的疾病有哪些等等。

基于這樣的電子病歷，醫(yī)生的更換將不再會影響不同醫(yī)生對于患者完整病情的掌握；年輕醫(yī)生還可以通過學(xué)習(xí)各種病歷快速成長；結(jié)構(gòu)化的電子病歷甚至能夠自動總結(jié)出被醫(yī)生忽略的細(xì)節(jié)和推斷，獲得對病情了解的新線索；當(dāng)然，大大減輕醫(yī)生寫病歷的工作量更是無需多言。