近日，Airdoc人工智能算法團(tuán)隊(duì)與中國(guó)醫(yī)學(xué)科學(xué)院皮膚病醫(yī)院、密歇根大學(xué)計(jì)算醫(yī)學(xué)與生物信息學(xué)系合作發(fā)布了最新的研究成果。此次研究中，中國(guó)科學(xué)家通過人工智能算法深入學(xué)習(xí)研究，構(gòu)建出基于智能手機(jī)采集的目鏡切片圖像實(shí)現(xiàn)基底細(xì)胞癌的自動(dòng)識(shí)別和分割。此分割模型較之前學(xué)術(shù)圈公布的同類模型在特異性敏感性都有大幅提升。

據(jù)了解，基底細(xì)胞癌是發(fā)病率最高的皮膚癌，也是人類最為常見的惡性腫瘤之一。除黑色素瘤以外的皮膚癌中，約80%都是基底細(xì)胞癌。由于發(fā)病率高，皮膚病理醫(yī)生每天都在跟基底細(xì)胞癌的病理切片打交道，工作量很大，而在基底細(xì)胞癌Mohs手術(shù)后判斷腫瘤切緣是否干凈時(shí)，類似的工作量更是大大地增加。

由姜祎群、熊健皓和李洪陽領(lǐng)銜的研究團(tuán)隊(duì)使用了ResNet50和DeepLabV3對(duì)基底細(xì)胞癌的切片圖像進(jìn)行癌變識(shí)別，和傳統(tǒng)研究使用高清掃描切片作為識(shí)別對(duì)象不同，本次研究識(shí)別的切片圖像來自于智能手機(jī)通過目鏡拍攝所得。研究人員在三種類型的圖像來源上建立了三個(gè)分類模型(分別針對(duì)：10X高清掃描切片、40X高清掃描切片和10X目鏡切片圖像)和一個(gè)分割模型，得出目鏡切片圖像的結(jié)果與高清掃描切片具有可比性，建立的模型AUC達(dá)到0.98，并且能在不同類型的測(cè)試數(shù)據(jù)集上達(dá)到0.93的AUC，泛化性非常好。這種模型是以后推廣使用價(jià)格低廉的目鏡圖片拍攝進(jìn)行基底細(xì)胞癌檢測(cè)的一種有效辦法，可以減少購(gòu)買高成本的掃描儀器，與此同時(shí)提供快速、準(zhǔn)確的識(shí)別癌組織。

為方便不同場(chǎng)景的應(yīng)用，科研團(tuán)隊(duì)研發(fā)出三種不同的系統(tǒng)。第一種Segmentation-based BCC recognition system ，可以自動(dòng)識(shí)別出癌組織，并在圖像中標(biāo)識(shí)清楚，花費(fèi)時(shí)間約為16秒，能夠達(dá)到專家同等識(shí)別能力。第二種Classification- based BCC recognition system ，有無癌組織分類，直接反饋?zhàn)R別結(jié)果，實(shí)現(xiàn)在高精度前提下的高速識(shí)別，花費(fèi)時(shí)間僅需500毫秒。第三種Cascade BCC recognition system ，具備以上兩種系統(tǒng)功能，并增添一個(gè)自動(dòng)判斷模塊，在識(shí)別癌細(xì)胞前對(duì)圖像進(jìn)行分類處理，在保持最高精準(zhǔn)識(shí)別度的前提下，選擇適合的識(shí)別方法，從而提高識(shí)別速度，僅需4.1秒即可完成。

本次研究首次實(shí)現(xiàn)利用智能手機(jī)自帶相機(jī)拍攝MOI，建立神經(jīng)網(wǎng)絡(luò)模型自動(dòng)識(shí)別基底細(xì)胞癌，成功將人工智能深度學(xué)習(xí)算法引入到基底細(xì)胞癌的識(shí)別中，通過算法自動(dòng)化識(shí)別，減少人力工作和不同地區(qū)、不同診斷醫(yī)生之間的診斷差別讓基底細(xì)胞癌患者得到更好更快更專業(yè)的治療，對(duì)推進(jìn)基底細(xì)胞癌的研究有重大意義。