微软用AI帮助筛查宫颈癌，效率提升约4倍

消息 微软与SRL Diagnostics合作开发了一款宫颈癌AI筛查工具，可以将宫颈癌的筛查效率提升四倍左右。目前这一AI筛查工具正在SRL Diagnostics内部进行试用。

宫颈癌是全球第二大妇女常见恶性肿瘤，发病率仅次于乳腺癌，发展中国家更是这种疾病的重灾区。据统计，印度每年死于该疾病的女性数量多达6.7万人，占比25%位居全球之首。

宫颈癌是目前唯一可以通过筛查早发现并治愈的妇科癌症，因此早期筛查是宫颈癌防治工作中至关重要的一环。

宫颈癌筛查的主要手段是病理TCT，不过在绝大多数发展中国家，病理医生都十分缺乏。而且病理TCT的检查本身也非常费时费力，病理专家需要坐在显微镜前，从数万个细胞中找出病变细胞。对早期癌变细胞的判断容易受诊断医生的经验、心情、疲劳程度影响，主观性和误差较大。

AI基于对细胞海量数据的分析和学习能力，理论上完全有能力替代医生基于经验判断所做的简单重复的癌细胞筛选工作。

面对庞大的市场需求，印度最大的诊断实验室公司SRL Diagnostics与微软合作，从2018年9月开始开发AI病理学网络，旨在帮助细胞病理学家和组织病理学家减轻工作负担。

“相对于庞大的患者数量，印度的细胞病理学家非常稀缺”，SRL Diagnostics新计划和知识管理技术负责人Arnab Roy博士说道。他补充说：“我们每年会收到超过100,000个子宫颈抹片检查样本，只有少数训练有素的细胞病理学家能够检查这种玻片。这些样本中有98%是正常的，仅剩下的2%需要进一步干预。” SRL Diagnostics开发这款AI工具的目的就是帮助细胞病理学家提高发现这2%的异常细胞的速度。

根据微软的说法，由AI驱动的宫颈癌筛查API可以对玻片进行初步筛查，剔除正常的细胞玻片。这样一来，细胞病理学家就可以将更多时间用在分析异常玻片上了。

为了开发这款宫颈癌AI筛查工具，细胞病理学家对WSI玻片的数字扫描版进行了手动标记，将其作为训练AI模型的素材。据悉，SRL Diagnostics最初只安排了一名细胞病理学家来做标记。但是每个WSI玻片包含多大1800个图像区块，这使得单个细胞病理学家的标记速度远远无法满足AI模型对与训练数据量的要求。

为此，SRL Diagnostics随后将负责数据标记的细胞病理学家增加到了5名，他们来自不同的实验室和地区。

微软Azure全球工程部首席应用研究员Manish Gupta表示，AI算法还有助于消除细胞病理学家之间的差异，并可以“在评估的领域达成共识”。Roy博士表示：“即使总体诊断是相同的，不同的细胞病理学家也会以独特的方式检查涂片中的不同元素。这是整个过程中的主观因素，很多时候都与专家的经验有关”。

这些细胞病理学家标记了数千个玻片扫描图像，每个图像包含约300-400个细胞。标注过程中，如果有三个细胞病理学家的标注结果存在差异，团队就会把它提交给高级细胞病理学家进行最终分析，这样可以很好地消除标注过程中的主观性因素。

这项技术取得了不错的成功，目前已经在实验室中进行了3-6个月的概念验证。期间分析了超过50万个匿名玻片，并在医院和其他诊断中心进行了试用。

“ AI模型现在可以准确区分正常和异常涂片，目前正在实验室中进行验证。它也可以根据子宫颈细胞病理学等级的七个亚型对涂片进行分类。”微软方面说道。

除了宫颈癌之外，这项AI技术还可以帮助早期诊断许多病理，包括口腔癌，胰腺癌和肝癌。无疑将导致医学领域的巨大进步，最终每年可以挽救数十万人的生命。