微软联合阿波罗医院利用AI研发心脏病诊断算法

人工智能的好处显而易见，比如在医疗健康领域，人类专家需要花费数年时间不断研究和纠错，才能总结出一套基于各种因素诊断疾病的方法，但对人工智能而言可能只是几分钟的事情。

Google在医疗AI领域已经取得了不少成果，比如利用AI诊断心血管疾病、眼底病和急性肾损伤等。如今老牌科技巨头——微软也加紧了脚步。

近日，微软和阿波罗医院发表联合声明，表示双方将结成战略同盟，联手设计新的机器学习算法，用于预测心脏疾病的风险，并协助医生迅速找到相关治疗方法。

“我们与阿波罗医院的合作，将我们在人工智能和机器学习领域的特长和阿波罗医院在心脏病方面的专业知识和经验结合到了一起”，微软人工智能研究中心副总裁Peter Lee说道。

他还指出，人工智能与医疗健康系统的结合是为了更好地赋能医务工作者，从而推动人工智能的普及。这个过程是以解决方案为导向的，通过更加直观、快捷和有效的诊断方法来减轻疾病对人类造成的负担。

微软在一篇博客中指出，目前双方正在开发一个用于确定心脏健康状况的人工智能API。不过博客中并没有声明，这个API是归阿波罗医院独有，还是会向该国的其他医疗从业者开放。

在印度，心血管疾病是导致患者死亡的主要原因之一，心脏病导致的死亡率比全球平均水平高出0.235%（截至2016年）。对于患有早发型疾病的患者来说情况更是严峻。阿波罗医院掌握了大量心脏病患者的临床病史数据，他们计划利用这些数据和人工智能等先进技术来预测和预防心脏病的发生。阿波罗医院的联合总经理Sangita Reddy表示，他们将逐步建立一个“全球联盟”，让他们的研究成果惠及其他国家的患者。

除了与阿波罗医院合作，微软近日还宣布推出Microsoft Genomics服务。Microsoft Genomics服务通过利用和处理基因数据，来帮助医学研究者发明更精准地治疗癌症等疾病的药物。比如，通过分析患者的健康和肿瘤细胞组织以及其他患者的医疗数据（包括治疗方法和结果），医生能够选择最有效的治疗方案。

圣裘德儿童研究医院、微软以及DNAnexus（一个运营在Azure上的基因数据管理平台）三方基于共享基因数据以及Microsoft Genomics服务，合作开发了一套基因组比对和基因变异识别的流程。基于这套流程，合作者们已经处理了超过500TB的基因数据，并将其存储在Azure以供大家分析。对于研究医院、DNAnexus和微软正在合力建立的数据分享平台来说，这些数据分析结果提供了一个良好的基础。

据了解，Microsoft Genomics服务是微软Healthcare NExT的一部分，Healthcare Next是微软发起的通过人工智能和云计算来加速健康保健行业的创新。在拥有大量准确医疗数据的前提下，微软希望通过部署在云上的AI工具来帮助研究者更快地发现癌症等疾病的治疗方法。而一个处理基因数据的通用流程，可以有效降低可能影响数据的伪影和噪音，有助于AI驱动下的精准医疗。

目前，Microsoft Genomics已经面向美国、西欧和东南亚的用户提供服务。

布局由来已久

病理切片的识别和判断

微软在医疗健康领域的布局由来已久，早在2014年，微软亚洲研究院的团队就已经开始钻研脑肿瘤病理切片的识别和判断，通过细胞的形态、大小、结构等，去辅助分析和判断病人所处的癌症阶段。

近两年，基于“神经网络＋深度学习”的模式微软亚洲研究院在该领域取得了两大突破：

首先，实现了对大尺寸病理切片的图片处理。通常图片的尺寸也就是224*224像素，但脑肿瘤病理切片的尺寸却达到了20万*20万、甚至40万*40万像素。对于大尺寸病理切片影像的识别系统，微软亚洲研究院没有沿用业内常用的数字医学图像数据库，反而在ImageNet这个计算机领域最为成熟的图片数据库的基础之上利用尽可能多的图片，通过自己搭建的神经网络和深度学习算法不断进行大量训练而成，最终实现了对大尺寸病理切片的图片处理。

对大尺寸病理切片图片通过神经网络与深度学习算法进行处理的流程

其次，在解决了细胞层面的图像识别之后，又实现了对病变腺体的识别。所谓腺体，可以简单理解为多细胞的集合体，它更接近于“器官“的概念。相对于细胞病变，腺体病变的复杂性和可能的组合都呈指数级增长，但对腺体状态的准确识别，则可以大大提高对癌症分析的准确程度，意义更加深远。

对病变腺体的识别，主要是基于医学角度三个可以衡量癌细胞扩散程度和预后能力的指标：细胞的分化能力，腺体的状况和有丝分裂水平。微软亚洲研究院针对这三个角度，通过多渠道（Multi-Channel）的数据采集和分析，希望在未来帮助医生实现对病人术后、康复水平乃至复发的可能性做出预估和判断。

腺体图像经过计算机处理后被抽象成不同的结构，以便于计算机进一步识别与判断

以往医生都是凭借”肉眼”和经验去观察病理切片影像并判断病情，如今人工智能中的两大核心技术：神经网络和深度学习则让计算机系统能够自动学习恶性肿瘤细胞与正常细胞间的差异以及癌症病情的分析和判断标准，同时能够在扫描病理切片之后，给出判断结果，供医生参考。计算机强大的运算能力弥补了部分医生由于经验不足引起的误判，或是对罕见病及疑难杂症的思虑不周。而且计算机还能发现人眼不易察觉的小细节，并总结出一些出乎医生意料之外的规律，从而不断完善医生和计算机系统的知识体系。因此，正是人工智能技术让精准医疗能够继续向前推进。

不同种类的恶性肿瘤切片经过算法处理后进行分类

目前，微软亚洲研究院对二维医学影像识别结果的准确性已经处于国际领先水平。除了脑肿瘤以外，该研究结果也可以扩展至其他疾病的二维医学影像的识别和判断，例如正在研究的肠癌等。此外，微软亚洲研究院还在研究肝肿瘤患者的CT三维影像，虽然三维影像与二维影像的识别技术有本质区别，但基于微软亚洲研究院在人工智能领域多年来的深入积累，相信我他们在三维CT影像识别上的突破也指日可待。

超级电子病历，医生的“辞典”

除了医学影像识别，微软亚洲研究院在医疗文字处理方面也做了不少研究。

全世界的医生所写的病历都是最难懂的书法，由于时间有限，医生们不得不在写病历的时候龙飞凤舞。在病历电子化之后，虽然书写的问题得以解决，但病历上记载的各种描述性语言——有的简洁，有的啰嗦，有的甚至不完整——对于医生后续进行病情查阅、检视或学习参考来说都非常不便。

因此微软亚洲研究院团队通过语音和自然语言理解技术，让医生可以口述病历，随后计算机将语音转换成文字再进行结构化处理，从而形成一个囊括了所有关键词的树状图，清晰、简洁地总结所有有用信息，让患者或其他医生对所有病理历程一目了然，如有何病史，用过什么药物，排除了哪些疾病可能，待排查的疾病有哪些等等。

基于这样的电子病历，医生的更换将不再会影响不同医生对于患者完整病情的掌握；年轻医生还可以通过学习各种病历快速成长；结构化的电子病历甚至能够自动总结出被医生忽略的细节和推断，获得对病情了解的新线索；当然，大大减轻医生写病历的工作量更是无需多言。