Enlitic研制基于深度學習的癌癥檢測系統(tǒng) 肺癌檢出率超過醫(yī)生

近年，從圖像中識別出對象物的“圖像識別技術(shù)”的性能借助“深度學習”得以迅速提高?？偛课挥诿绹f金山的新興企業(yè) Enlitic將深度學習運用到了癌癥等惡性腫瘤的檢測中。該公司開發(fā)的系統(tǒng)的癌癥檢出率高于放射技師。深度學習是使用模擬人腦結(jié)構(gòu)的“深度神經(jīng)網(wǎng)絡(luò)”的一種機器學習方法，也可用于語音識別及自然語音處理等，但取得顯著成果的要數(shù)圖像識別領(lǐng)域。

測試圖像識別技術(shù)性能的競賽中，采用圖像數(shù)據(jù)庫“ImageNet”的“ILSVRC”(ImageNet大規(guī)模視覺識別挑戰(zhàn)賽)最為有名。在谷歌、英特爾、高通、騰訊等知名IT企業(yè)參加的2015年的ILSVRC中，微軟研究院獲勝。此次競賽的測試內(nèi)容是能否對1000種圖片進行準確分類，微軟的分類錯誤率只有3.6%。

過去幾屆競賽的分類錯誤率最小值方面，2014年為7.4%，2013年為11.1%，2012年為15.3%。在這項賽事中，采用深度學習的隊伍獲勝是在2012年。當時，15.3%的分類錯誤率已低得“讓人震驚”。僅僅3年之后，獲勝的微軟研究院就提出，基于深度學習的圖像識別技術(shù)的識別精度能夠超過人類。

不過，Enlitic公司的數(shù)據(jù)分析師Rewon Child(圖1)表示，“ImageNet的競賽只是辨認縱224像素×橫224像素的圖片上的物體是貓還是狗，這個任務(wù)并不難”。他還指出，“我們正在挑戰(zhàn)更難的圖像識別”。

圖1：Enlitic公司數(shù)據(jù)分析師Rewon Child

Enlitic要挑戰(zhàn)的更難的圖像識別是：從X光、CT掃描、超聲波檢查、MRI等的圖像中找出癌癥等惡性腫瘤。 Child解釋說：“X光照片的分辨率為縱3000像素×橫2000像素。其中的惡性腫瘤的尺寸為縱3像素×橫3像素左右。從非常大的圖像上判斷一個很小的陰影狀物體是不是惡性腫瘤，是非常難的任務(wù)”。

從X光照片及CT掃描圖像中找出惡性腫瘤的圖像識別軟件是利用深度學習的方法之一 “Convolutional Neural Network(ConvNet，卷積神經(jīng)網(wǎng)絡(luò))”開發(fā)的。ConvNet對放射技師檢查過有無惡性腫瘤及腫瘤位置等的大量醫(yī)療圖像數(shù)據(jù)進行機器學習，自動總結(jié)出代表惡性腫瘤形狀等的“特征”以及重視哪些特征能夠判斷有無惡性腫瘤等“模式”。ConvNet將找出的模式應(yīng)用于新的醫(yī)療圖像，便可知道圖像中是否存在惡性腫瘤。

據(jù)Enlitic介紹，該公司開發(fā)的惡性腫瘤檢測系統(tǒng)的精度超過放射技師。Enlitic使用肺癌相關(guān)圖像數(shù)據(jù)庫 “LIDC(Lung Image Database Consortium)”和 “NLST(National Lung Screening Trial)”進行了驗證，結(jié)果發(fā)現(xiàn)，該公司開發(fā)的系統(tǒng)的肺癌檢出精度比一名放射技師檢查肺癌的精度高5成以上。

Enlitic將向放射技師提供惡性腫瘤檢出系統(tǒng)(圖2)。在美國，放射技師受雇于醫(yī)療圖像診斷服務(wù)公司和醫(yī)療機構(gòu)，這些企業(yè)和機構(gòu)將成為Enlitic 公司的客戶。2015年10月，澳大利亞的醫(yī)療圖像診斷服務(wù)公司Capitol Health宣布采用Enlitic的系統(tǒng)。這是Enlitic公司的系統(tǒng)第一次被采用。同時，Capitol Health對Enlitic出資1000萬美元。

圖2：使用Enlitic的系統(tǒng)檢測惡性腫瘤的示意圖 出處：美國Enlitic公司

Child介紹說，“放射技師診斷1名患者的CT掃描圖像需要10～20分鐘，寫診斷報告需要10分鐘左右。而如果采用本公司的系統(tǒng)，可以使CT掃描圖像的診斷時間減半”。他還預測道，“雖說采用圖像識別技術(shù)就可以判斷有無惡性腫瘤，但鑒于政府規(guī)定等，醫(yī)療機構(gòu)不可能不用放射技師。但是，如果放射技師的工作效率增加到原來的2倍，發(fā)展中國家的患者就能更方便地使用CT掃描了”。

醫(yī)療外行人開發(fā)的出色的應(yīng)用

關(guān)于Enlitic公司，筆者非常感興趣的是該公司的成員。據(jù)Child介紹，該公司的數(shù)據(jù)分析師都是沒有醫(yī)療工作經(jīng)歷的人。Child本人是在美國耶魯大學專修的政治學，學習了使用統(tǒng)計學等計量方法分析社會的“計量社會科學”。

該公司的數(shù)據(jù)分析師全是從“Kaggle”網(wǎng)站招聘的。Kaggle是給全球的數(shù)據(jù)分析師提出數(shù)據(jù)分析相關(guān)課題，并比較研究成果的“數(shù)據(jù)預測競賽”網(wǎng)站。課題均設(shè)有獎金，數(shù)據(jù)分析師解決課題便可獲得獎金。

在Kaggle上提出課題的是希望將數(shù)據(jù)分析委托給外部的企業(yè)以及想尋找優(yōu)秀數(shù)據(jù)分析師的企業(yè)。Enlitic在Kaggle上提出課題，并聘用了完美解決了該課題的分析師。跟醫(yī)療知識沒有關(guān)系。

Enlitic公司為何選擇Kaggle其實，Enlitic的創(chuàng)始人兼CEO(首席執(zhí)行官)Jeremy Howard也曾是Kaggle的總裁兼首席分析師。也就是說，Enlitic公司也是知道通過Kaggle可以找到優(yōu)秀數(shù)據(jù)分析師的Howard，為了充分利用數(shù)據(jù)分析師開展新業(yè)務(wù)而成立的公司。

數(shù)據(jù)分析師已開始改變產(chǎn)業(yè)

Child說，“Howard想創(chuàng)建一家能讓優(yōu)秀數(shù)據(jù)分析師持續(xù)工作25年的企業(yè)，因此創(chuàng)辦了Enlitic公司。聽說他設(shè)想的業(yè)務(wù)除了醫(yī)療圖像診斷外，還考慮過尋找石油和天燃氣等”。數(shù)據(jù)分析師站在最前沿，然后才有應(yīng)用領(lǐng)域。

Child說，“Kaggle給每個人都提供機會，只要能寫出色的代碼，能力就會得到認可，這是一個非常公平、民主的地方”。聚集在這里的數(shù)據(jù)分析師在完全沒有“業(yè)務(wù)知識”的領(lǐng)域開發(fā)應(yīng)用軟件，已開始取得超越現(xiàn)有內(nèi)行人的成果。通過Enlitic公司，不僅能預測醫(yī)療行業(yè)，還能預測整個產(chǎn)業(yè)界的未來，從這個意義上說，該公司也是非常重要的存在。