教会AI认出骨髓细胞里的“敌人”

2022世界人工智能大会SAIL奖TOP30榜单日前出炉，上海儿童医学中心智慧儿科临床诊治技术工程技术研究中心推送的“儿童白血病细胞学人工智能创新识别方法研发”项目入围。两年前，该院的“云听系列智能听诊器”也入选2020年世界人工智能大会SAIL奖TOP30。

近年来，儿中心已陆续孵化多个AI场景和解决方案，有的AI系统已“上岗”多年，成为医院里的资深“员工”。在儿科发展人工智能有何意义？孩子看病用人工智能靠谱吗？

AI系统

挑战细胞识别

儿中心血液肿瘤科副主任医师、儿中心医务部主任周敏，两年前着手开发这套用于辅助诊断小儿白血病的AI系统。她介绍，白血病是最常见的儿童恶性肿瘤之一，主要包括急性淋巴细胞白血病和急性髓系白血病，约占儿童恶性肿瘤的30%。儿童白血病预后的改善，有赖于早期及时、准确的诊断。

对于小儿白血病来说，骨髓细胞形态学检查是所有白血病诊断的第一道关卡。孩子的骨髓穿刺做完后，要看骨髓涂片里有没有肿瘤细胞。这一步，以往都是人工读片。

“细胞师需要在显微镜下看骨髓涂片，识别出肿瘤细胞和其他类型的有核细胞，以肿瘤细胞的类型和肿瘤细胞占有核细胞的比例，来判断是否达到白血病的诊断标准，以及具体是哪一种类型的白血病。从过去的经验看，人工智能计算机识别技术已经正式应用于肺部影像学的阅片工作，并且和人工阅片起到了相互补充的作用。在细胞识别方面，尚未形成投放市场的商品化软件。我们不妨来挑战一下，设计一套针对骨髓涂片以及血液涂片的小儿白血病人工智能辅助诊断系统。”周敏介绍，“说得这么高大上，其实最主要的工作，就是认出骨髓细胞里的‘敌人’。”

数据库

收录2万个数据

这套系统的开发，一开始想得简单，AI机器人看片子，只要扫描一下，学起来很快。可是，骨髓涂片必须要放大至少100倍才能看到细胞，市面上的扫描仪没有办法达到要求。最后，经过反复尝试，他们发现其实只要买一台照相机装在显微镜上，通过拍照的形式，就能看得比较清楚了。这样一来，不仅省钱，效果也可以得到满足。

第一个问题迎刃而解后，第二个问题又随之而来。如何教AI机器人这个“学生”判断是不是白血病呢？周敏说，机器最经典的学法，必须通过大量标注细胞的积累，跟着细胞师一起来标注与核对数量。但考虑临床实际诊疗中是采用肿瘤细胞/有核细胞的比例作为诊断标准，因此理论上模型只要能分割并识别肿瘤细胞，就可以实现白血病的诊断。团队让AI练出“火眼金睛”，只需要找准“敌人”，而不需要再对其他的细胞进行分类，就可以直接导出诊断。同时，“老师”在教“学生”读片时，也避开了那些教科书上的“完美图片”，选择的大多是真实世界的真实案例。

“当然，我们建立的这个模型也没有放弃经典的机器深度学习方法，两种学习方法互相补充，AI仍在学习如何对20类骨髓细胞进行细致分类。”据介绍，目前该项目建立儿童骨髓细胞数据库，已收录超2万幅儿童骨髓细胞图像。

临床医生

深度参与研发

AI拥有不知疲倦的“大脑”、过目不忘的本领和海量储存信息的能力，所以学习很迅速。周敏说，在经过一段时间的“培训”后，“学生”的辨识能力在逐渐提高。“目前我们的系统还只是单中心使用，希望这套系统建立统一化、标准化的疾病数据库，推广到多中心，邀请医联体单位、基层医院等共同参与，提高医生的工作效率，辅助基层医生做出更正确的诊断。”

值得一提的是，这个研究的数据库，已被放置于上海智慧儿科临床诊治技术工程技术研究中心开源数据库。该开源平台结合实际使用需求，一共有呼吸音、心音、骨髓细胞和超声心动图4个数据库。其中，2020年人工智能大会上被评为SAIL奖TOP30的云听智能听诊器，其元器件100%国产化。经测试，云听智能心音识别准确率＞91%、智能呼吸音识别准确率＞86%，性能优于国内外其他同类产品，价格仅为进口产品的1/3。

在周敏看来，医工交叉是人工智能适配医学发展的必经之路。让临床医生参与到人工智能系统的研发，有助于更好地将医生的经验复制推广，生产出更多贴近临床需要，能更好服务患者需求的人工智能产品。

本报记者 左妍