大家好,还记得我吗?
我是绝悟,那个既能在王者荣耀里陪你练习(王者绝悟),又能在3D开放世界自由探索的游戏AI。
今天,不打游戏。
向大家展示一项新技能——看片。
当然不是普通的片,是病人的病理切片。
还记得2年前,我说过,未来我会在各个行业里发挥作用。
今天我来兑现了。
提到机器看片,先介绍一下基本情况——
目前,机器学习已经可以较好地帮助到医生。
人工标注出片子中的病灶,交给机器训练学习。只要有足够多的标注数据,机器就能精准识别。
这种方法挺通用,只要向机器提交一张新片子,机器全面“遍历”一遍,就能给出“答案”。
在面对像CT、眼底照片等面积不特别大的片子,它有较高的效率和准确率。
但,如果面对一张具有十亿像素大小的高分辨率病理图像(WSI),就是另一回事了。
因为像素过大,机器“遍历”完一张往往需要几十分钟,这限制了很多潜在的临床应用场景。
比如在大规模筛查和术中快速评测等场景下,会非常不实用。
另外,因为兴趣点区域(病变区域)往往很稀疏,工作难度可谓是——“大海捞针”。
这带来了诊断相关性弱、数据效率低下等问题。
如何又快又准地“大海捞针”呢?接下来就交给我了。
我悄悄学习了经验丰富的病理医生的工作方法:
先低倍镜扫描(观察切片环境),根据经验,出现可疑区域,高倍镜确认(做出决策),然后不停的重复高低倍镜切换的操作,最终完成全片判读并定位到关键病灶。
观察环境,做出决策,这不正是我的拿手好戏吗?
于是我开始学习病理医生看片:
Step1:学习病理知识,认知病灶,遇到病灶的时候可以认出它。
Step2:参考病理医生的做法,先通过低倍镜扫描,观察整体环境,找出最可疑和值得进一步检查的位置,然后再高倍镜扫描这个点。
Step3:看了这个地方高倍镜之后,发现不是,做个笔记,类似这样的低倍镜位置,以后就可以更快速检查通过。
Step4:再次定位其他最可疑位置,高倍镜查看该位置,重复这个过程,找到病灶为止。(当然有些切片也没有病灶)
这就有点像,我在Minecraft(3D开放世界)游戏里面做伐木任务,先在游戏世界里观察环境,然后找到森林在哪,再去采集木头。
整个流程需要思考、观察、执行、学习,并不是看到任何东西就去一顿砍。
不停地看片,不停地增加经验,我逐渐成为一个“老AI病理医生”。
这一次尝试,也成功验证了强化学习可以用来做超大尺寸全片扫描病理图像诊断。
我们的研究团队选择了“淋巴结切片转移检测”及“肺癌分型”两个全片扫描图像进行了测试,决策提效400%。
腾讯AI Lab给我取了一个代号——“绝悟RLogist”(寓意 RL(reinforcement learning)+ Pathologist(病理学家))
并发表了论文,被AAAI 2023接收,代码也已经开源。
论文链接:http://arxiv.org/abs/2212.01737
开源链接:https://github.com/tencent-ailab/RLogist
审稿人评价(长按图片可以翻译):
在中国,每年需要处理的病理切片达到5亿片,但我国病理科医生总数不足1万人,缺口达到10万人。病理医生阅片任务繁重。
目前的病理切片诊断不仅耗时耗力,还十分依赖医生的专业能力与经验。
(在基层医院,资源的缺乏的问题,尤为严重。)
现在绝悟RLogist,还处于论文阶段。随着技术发展,我们希望它未来能真正出现在医院里,实现计算机辅助阅片。
是的,我是一个游戏AI,我希望能运用在游戏里积累的AI能力,在现实领域发挥更大作用。
领取专属 10元无门槛券
私享最新 技术干货