本篇文章2590字，读完约6分钟
雷锋。搜索“雷锋”。com(公开号)出版社:张，微软亚洲研究院副院长。
你能想象每天都有三架载满乘客的大型飞机坠毁，所有人都死了吗？这听起来很可怕，但世界上每年死于疟疾的人数高达60万~ 80万，相当于这样一次飞机失事的概率。虽然疟疾在发达地区几乎已经被消灭，但在一些不发达地区，疟疾仍然是一场灾难。在应对疟疾的挑战中，缺乏专业病理学家是主要挑战之一，这反过来又使患者难以获得及时的诊断和治疗。
目前，微软正在开发的技术可以帮助判断一个病人是否感染了疟疾，感染的是哪种疟疾，以及可能是从哪个渠道感染的。传统的方法需要大量的人力来观察样本和进行分析，相比之下，这种技术大大提高了医生的工作效率。即使在医务人员稀缺的地区，他们也不能再这么缺人手了。
因此，计算机和医疗的结合远不止是智能手镯、血糖仪、xbox、全息透镜和其他可能与医疗相关的智能硬件。它涵盖范围很广，从前端设备到后端系统，到隐藏在最后的各种算法，每个分支都可以是一个独立的学科。事实上，在微软内部，有近100个与医学相关的项目，其中两个项目都非常具有前瞻性，已经进入实际应用阶段。
在我看来，如今计算机在医学领域的进步实际上是建立在同一个基础上的，即以“数据改变医疗”为核心。中医和西医在本质上都是实践科学。医生们通过无数的实践总结和统计这些规律，最终达到治病救人的效果。随着云计算、大数据、机器学习、物联网等技术的发展，人们使用大数据来分析或协助分析疾病的能力将会像医生一样自然增加。
人工智能有助于促进癌症的精确医学治疗，一直是人类需要解决的最迫切的医学问题之一。因为每一个患有同一种癌症的病人都有不同的表现，可以说每一个病人的癌症都是一种独立的疾病，即使是经验丰富的医生也很难做出100%准确的分析和判断，更不用说相对个性化的准确的医疗治疗了。因此，微软亚洲研究院一直专注于数字医学图像识别，希望通过计算机视觉领域的最新技术来加速精密医学的推广。
从2014年开始，微软亚洲研究院的团队开始研究脑肿瘤病理切片的识别和判断，并通过细胞的形状、大小和结构辅助分析判断患者的癌症分期。在过去的两年里，基于“神经网络+深度学习”的模式，我们在这一领域取得了两个突破:
首先，实现了大尺寸病理切片的图像处理。通常，图片的大小是224*224像素，但是脑肿瘤的病理切片的大小已经达到20万* 20万甚至40万* 40万像素。对于大尺寸病理切片图像的识别系统，我们不再使用业界常用的数字医学图像数据库，而是在计算机领域最成熟的图像数据库imagenet的基础上使用尽可能多的图像，通过我们自己的神经网络和深度学习算法进行大量训练，最终实现大尺寸病理切片的图像处理。
通过神经网络和深度学习算法处理大尺寸病理切片图像的过程
其次，解决了细胞水平的图像识别问题，实现了病变腺体的识别。腺体可以简单地理解为多个细胞的集合，这更接近于“器官”的概念。与细胞病相比，腺体疾病的复杂性和可能的组合呈指数增长，但准确识别腺体状态可以大大提高癌症分析的准确性，具有深远的意义。
患病腺体的识别主要基于三个指标，从医学角度衡量癌细胞的扩散程度和预后能力:细胞分化能力、腺体状况和有丝分裂水平。我们针对这三个角度，通过多渠道收集和分析数据，希望能帮助医生预测和判断患者的术后情况、康复水平甚至未来复发的可能性。
腺体图像经计算机处理后抽象成不同的结构，便于计算机进一步识别和判断
过去，医生习惯于用肉眼和经验观察病理图像，判断病情。目前，人工智能的两大核心技术——神经网络和深度学习，使计算机系统能够自动学习恶性肿瘤细胞和正常细胞之间的差异，以及癌症病情的分析和判断标准。同时，在扫描病理切片后，他们可以给出判断结果供医生参考。计算机强大的计算能力弥补了一些医生缺乏经验或对罕见疾病和疑难杂症考虑不周而导致的误判。此外，计算机还可以发现人眼无法察觉的小细节，并总结出一些意想不到的规律，从而使医生的知识体系和计算机系统在不断完善。因此，是人工智能技术使精密医学向前发展。
经过算法处理后，对不同种类的恶性肿瘤切片进行分类
目前，微软亚洲研究院对2D医学图像识别结果的准确率已经处于国际领先水平。除了脑瘤，研究成果还可以扩展到其他疾病的二维医学图像的识别和判断，如我们正在研究的肠癌。此外，我们还在研究肝脏肿瘤患者的三维ct图像。虽然3D图像和2D图像在识别技术上有本质区别，但基于微软亚洲研究院多年人工智能的深厚积累，我相信我们在3D ct图像识别方面的突破指日可待。
超级电子病历、医生词典除了医学图像识别，我们还在医学文字处理方面做了大量的研究。
在与外国同行交流时，我们发现世界各地医生写的病历是最难的书法。由于时间有限，医生不得不一边写病历一边跳舞。电子病历问世后，虽然书写问题得到了解决，但病历中记录的各种描述性语言——有些简洁，有些冗长，有些甚至不完整——给医生查阅、检查或学习参考带来了极大的不便。
因此，我们的团队可以使用语音和自然语言理解技术，让医生口述病历，然后计算机将语音转换成文字，然后进行结构处理，从而形成一个包含所有关键词的树形图，清晰简洁地总结所有有用的信息，以便患者或其他医生可以一目了然地看到所有的病理过程，如病史是什么、使用了什么药物、排除了哪些疾病、要调查哪些疾病等。
基于这样的电子病历，医生的更换将不再影响不同医生对患者完整病情的掌握；年轻医生也可以通过学习各种病历快速成长；结构化的电子病历甚至可以自动总结医生忽略的细节和推论，并获得新的线索来了解疾病；当然，不用说，医生写病历的工作量大大减少了。
Ai(人工智能)+hi(人类智能)=超级医生可以看到，计算机领域的许多技术都可以与医学应用紧密结合，无论是图像识别还是自然语言理解。随着日益强大的计算能力和人工智能技术的稳步发展，未来计算机将能够处理更加复杂和先进的信号，人类医学水平必将进入一个新的时代。
然而，医生永远不会被取代。在医学和艺术领域，人工智能技术将成为医生的“右臂”，帮助医生更方便地获取信息，帮助医生做出更正确的诊断。医生除了积累丰富的专业知识外，还需要充分发挥高情商与患者沟通的能力。最终，计算机的人工智能和医生的人类智能将相互结合，成为一个拥有准确专业判断和情感交流的“超级医生”。让我们期待由人工智能引领的医学发展新时代！
