每年有超過六十萬人被診斷患有頭頸部癌癥，其中許多人選擇接受放射治療。 但頭頸部重要器官比較集中，解剖關系復雜，如果在治療前未仔細隔離，放療時周圍組織可能會嚴重受損。

騰訊醫(yī)療AI實驗室和美國加州大學合作，正在探索人工智能（AI）如何幫助分割過程，輔助放療規(guī)劃。 近日聯(lián)合在國際權威期刊《Medical Physics》發(fā)表最新研究成果——《器官神經(jīng)網(wǎng)絡：深度學習用于快速和全自動整體頭頸危及器官靶區(qū)勾畫》（AnatomyNet: Deep Learning for Fast and Fully Automated Whole-volume Segmentation of Head and Neck Anatomy）。

在頭頸癌放療過程中，醫(yī)生根據(jù)患者CT圖像手動描繪放療靶區(qū)和危及器官（Organ at Risk，OaR），目的是最大限度將放射劑量集中在靶區(qū)內，而讓周圍正常組織或器官少受或免受不必要的傷害。然而，勾勒過程非常耗時，降低診療效率的同時，更是耽誤了患者的治療時間。該研究提出一種深度學習模型——“器官神經(jīng)網(wǎng)絡（AnatomyNet）”，可以快速地對整張CT的所有切片進行全自動化器官分割（Segmentation），在小于1秒鐘的時間內完成一整幅頭頸CT的危及器官勾畫，大幅度提升了放療靶區(qū)勾畫效率。研究成果一經(jīng)發(fā)表，就引起國際領域內廣泛認可，目前已被引用多次。與合作醫(yī)院的臨床測試表明，AI靶區(qū)勾畫能夠大幅度減少醫(yī)生工作時間，同時提升勾畫準確率。

研究成果獲國內外肯定

《Medical Physics》是美國醫(yī)學物理學家學會（The American Association of Physicists in Medicine，AAPM）的官方期刊，該研究成果在期刊上發(fā)表后，目前已經(jīng)被多個機構引用。

美國德克薩斯大學MD安德森癌癥中心（MD Anderson Cancer Center）對騰訊醫(yī)療AI實驗室的“器官神經(jīng)網(wǎng)絡”表示關注，并把該研究成果作為中心一項大規(guī)模研究的重要部分。該中心在美國乃至全球皆享譽盛名，多次被評為美國最佳癌癥研究機構，也是公認的全球最好的腫瘤醫(yī)院。

此外，論文一經(jīng)發(fā)布，很快被加拿大瑞爾森大學、中國中科院等多家機構學者在其研究報告中被提及和引用，作為最新的研究突破獲得國內外認可。

“器官神經(jīng)網(wǎng)絡”為何廣受關注？

在放射治療過程中，醫(yī)生需要基于患者CT圖像勾畫出危及器官，而一個標準的CT圖像包含上百張切片，醫(yī)生需要單獨在每個切面中勾畫出危及器官的位置，手動描繪非常耗時。一般來說，根據(jù)醫(yī)生熟練程度，大概需要幾個小時的時間。

自動危及器官分割技術可以同時減少治療計劃所占用的時間，以及提高治療計劃的質量。現(xiàn)有的器官自動分割主要使用基于模板的技術。這類技術盡管需要復雜的技術來創(chuàng)建模板，但是不能夠充分地對病人之間的差異進行建模。需要時間超過20分鐘。

騰訊醫(yī)療AI實驗室研究團隊提出器官神經(jīng)網(wǎng)絡（AnatomyNet）深度學習方法，可以對頭頸CT圖像進行危及器官分割。器官神經(jīng)網(wǎng)絡的輸入是頭頸CT圖像的所有切片。該神經(jīng)網(wǎng)絡可以一次性產(chǎn)生所有危及器官的預測結果。

器官神經(jīng)網(wǎng)絡的構建是基于常用的三維U網(wǎng)絡（U-net）架構，但是騰訊AI實驗室在三個重要的方面對其進行了擴展：1）一種新的在整幅CT圖像上進行自動分割的編碼方式，而不是在局部圖像塊上，或者一部分CT圖像切片上分割；2）在編碼層中，加入三維Squeeze-and-Excitation殘差結構來進行更好的特征表示學習；3）一種新的結合Dice損失和Focal損失的損失函數(shù)，用來更好地訓練該神經(jīng)網(wǎng)絡。在深度學習的器官分割中，使用這些技巧解決兩個主要的挑戰(zhàn)：a）小器官的分割（比如，視神經(jīng)和視交叉）。這些小器官僅僅只有幾個切片。b）對于一些器官結構，數(shù)據(jù)標注不一致以及標注缺失給訓練造成一些問題。

圖1：器官神經(jīng)網(wǎng)絡危及器官分割結果

圖1為器官神經(jīng)網(wǎng)絡危及器官分割結果，其中綠色為醫(yī)生標注，紅色為器官神經(jīng)網(wǎng)絡預測結果，黃色表示標注和預測重合，結果顯示高度一致。

從圖2的動態(tài)效果圖上，可以更清晰地在三維CT所有切片上看到器官神經(jīng)網(wǎng)絡預測和醫(yī)生標注的比較，其中左邊顯示的是醫(yī)生標注，右邊顯示的是器官神經(jīng)網(wǎng)絡預測結果。

圖2：動態(tài)效果圖

從結果上說：和之前MICCAI競賽中最好的方法相比，器官神經(jīng)網(wǎng)絡平均提升了3.3%的Dice指標。器官神經(jīng)網(wǎng)絡僅僅使用0.12秒就可以完全完成一整幅CT圖像（178?512?512）的分割。該速度極大地縮短了之前方法所用的時間（20分鐘以上）。除此之外，該模型可以處理一整幅包含所有切片的CT圖像，以及一次性勾畫所有的危及器官，不需要很復雜的預處理以及后處理。

騰訊醫(yī)療AI實驗室開發(fā)的深度學習模型提供了一種CT圖像勾畫危及器官的可行思路。表明深度學習可以提升器官分割準確率，簡化自動分割器官的流程。該技術可以在小于1秒鐘的時間內完成一整幅頭頸CT的危及器官勾畫。

騰訊醫(yī)療AI實驗室以科研成果推動技術創(chuàng)新

除本次發(fā)表于《Medical Physics》的研究成果，今年7月，騰訊醫(yī)療AI實驗室已有3篇論文分別被KDD 2018、SIGIR 2018、COLING 2018三個國際頂尖學術會議收錄，論文的主要研究方向為醫(yī)療知識圖譜中實體關系的發(fā)現(xiàn)和應用。

騰訊醫(yī)療AI實驗室是騰訊專為醫(yī)療領域打造的人工智能實驗室，目前在硅谷、北京、深圳設立了三個分支。其作為騰訊醫(yī)療健康領域眾重要技術驅動，騰訊AI實驗室在學術研究層面不斷發(fā)力，致力于AI醫(yī)學領域的前沿突破。

實驗室的主要研究方向是基于自然語言理解、醫(yī)學知識圖譜、深度學習、醫(yī)療影像、貝葉斯網(wǎng)絡、多模態(tài)分析等基礎技術構建醫(yī)學知識引擎、醫(yī)療推理引擎、臨床輔助診斷引擎、問診對話引擎等智能平臺。

騰訊醫(yī)療AI實驗室致力于推動醫(yī)療AI開創(chuàng)性技術研發(fā)，目前，騰訊醫(yī)療AI實驗室已推出帕金森病運動功能智能評估系統(tǒng)，其他主要產(chǎn)品還包括臨床輔助決策支持系統(tǒng)，面向腦卒中、急性冠脈綜合癥等高危易誤診疾病提供臨床輔助決策支持，以及心電圖智能分析軟件，利用AI技術實現(xiàn)心電圖監(jiān)測結果的自動判讀和預警等。

近日，以騰訊醫(yī)療AI實驗室為技術核心主體，騰訊作為牽頭單位承擔“2018年科技部重點研發(fā)計劃數(shù)字診療裝備專項基于人工智能的輔診系統(tǒng)項目”，將會組建高精尖隊伍承擔國家科研重任，搭建AI輔診平臺并向臨床應用推進。

未來，騰訊醫(yī)療AI實驗室也將持續(xù)通過研發(fā)AI技術與醫(yī)療的深度結合，構建良好的技術生態(tài)，從臨床角度解決問題，服務于醫(yī)患雙方，助力醫(yī)療行業(yè)智慧化升級，同時著重助力分級診療國策的落地。