顱內(nèi)出血（(Intracranial hemorrhage, ICH) 也叫做腦出血、腦溢血、出血性中風(fēng)／卒中，具有高發(fā)病率、高致殘率、高死亡率的特點(diǎn)，是嚴(yán)重的健康問題。腦中的血管破裂出血后，會(huì)阻斷大腦周圍或內(nèi)部的血液流動(dòng)，使大腦缺氧，只需要3-4分鐘，就有可能讓腦細(xì)胞開始死亡。

對(duì)顱內(nèi)出血做出正確診斷并采取措施對(duì)降低殘疾率和死亡率至關(guān)重要，而識(shí)別出血的位置和類型是其中的關(guān)鍵步驟。但是，面對(duì)顱內(nèi)出血這個(gè)急診室里的“�？汀�，醫(yī)生們即便練就了一雙“火眼金睛”也會(huì)顯得力不從心。按照出血位置，顱內(nèi)出血分為腦室內(nèi)出血 （Intraparenchymal）、腦實(shí)質(zhì)性出血 (Intraventricular)、蛛網(wǎng)膜下腔出血 (Subarachnoid)、硬膜外出血 (Subdural) 和硬膜下血腫 (Epidural)。一般而言，面對(duì)顱內(nèi)出血，醫(yī)生會(huì)檢查患者的腦CT，查找出血的存在、部位和類型，但是單以人眼從醫(yī)學(xué)影像中快速準(zhǔn)確地將病人按病情輕重緩急區(qū)分開，既復(fù)雜又耗時(shí)。

圖：腦出血類型

近期，騰訊AI Lab在RSNA 2019 AI Challenge上提出的新算法為破解這一困境提供了新的思路。RSNA（北美放射學(xué)會(huì)）是全球醫(yī)學(xué)影像學(xué)最頂級(jí)的會(huì)議，引導(dǎo)著全球放射學(xué)研究和應(yīng)用的方向，每年有超過5萬的醫(yī)生，研究學(xué)者和工業(yè)界人員參加。RSNA非常重視AI在影像學(xué)的應(yīng)用，為推動(dòng)AI在醫(yī)學(xué)影像學(xué)領(lǐng)域的研究和落地，從2017年起，RSNA設(shè)立了單獨(dú)的AI挑戰(zhàn)賽環(huán)節(jié)，并成為影像學(xué)競(jìng)賽的圣杯之一。今年RSNA和Kaggle(全球最大的公開數(shù)據(jù)和機(jī)器學(xué)習(xí)比賽平臺(tái))共同推出顱內(nèi)出血檢測(cè)競(jìng)賽（RSNA Intracranial Hemorrhage Detection），任務(wù)是開發(fā)一個(gè)機(jī)器學(xué)習(xí)算法來識(shí)別急性顱內(nèi)出血及其亞型。

比賽吸引了來自全球75個(gè)國(guó)家共計(jì)1345多支隊(duì)伍、1787位個(gè)人參賽者參與，其中不乏出身全球著名醫(yī)療機(jī)構(gòu)、醫(yī)學(xué)實(shí)驗(yàn)室以及各類巨頭公司人工智能實(shí)驗(yàn)室的參賽者，他們使用北美放射學(xué)會(huì)（RSNA）與美國(guó)神經(jīng)放射學(xué)會(huì)和MD.ai成員合作提供的豐富圖像數(shù)據(jù)集來開發(fā)解決方案，以快速準(zhǔn)確地識(shí)別顱內(nèi)出血患者的出血位置、類型及出血狀態(tài)。值得注意的是，在這些競(jìng)賽數(shù)據(jù)中存在部分異常的“噪聲”標(biāo)注信息，參賽者們需要有效處理這一困難帶來的干擾。這個(gè)數(shù)據(jù)集來自多個(gè)國(guó)家和多個(gè)醫(yī)療中心，包括來自25998個(gè)病人的1074271幅CT圖像，由60名神經(jīng)放射醫(yī)生標(biāo)注完成。

在該挑戰(zhàn)賽中，騰訊AI Lab采用多模型、多階段、多信息融合的方法，通過添加CT圖像的空間信息，融合醫(yī)學(xué)圖像病變的關(guān)聯(lián)性，以及有效的數(shù)據(jù)采樣算法，短時(shí)間內(nèi)從超過一百萬幅腦部CT圖像中找到了顱內(nèi)出血的病變規(guī)律，從1300多支隊(duì)伍中脫穎而出，取得了Stage1和Stage2雙榜第一的好成績(jī)。

圖：騰訊AI Lab團(tuán)隊(duì)“SeuTao”斬獲RSNA 2019 AI Challenge第一

通過在不同階段提取出不同的特征信息，如Base CNN階段提取圖像信息，Sequence Model 1 階段融合多張CT slice的空間特征信息，Sequence Model 2階段再次整合圖像信息、空間融合信息以及圖像本身的原始信息，騰訊AI Lab的新算法能夠增強(qiáng)所學(xué)習(xí)到的模型的泛化能力，提升模型對(duì)未知數(shù)據(jù)的預(yù)測(cè)能力，從而最終成就了此次奪冠。

這一算法模型未來可應(yīng)用于顱內(nèi)出血的診斷與治療當(dāng)中，提高醫(yī)生識(shí)別出血位置、類型的效率及準(zhǔn)確率，加速腦出血病人病情診斷的整體進(jìn)程，幫助醫(yī)生制定正確的治療方案，節(jié)省寶貴的搶救時(shí)間，創(chuàng)造一定的經(jīng)濟(jì)價(jià)值和社會(huì)價(jià)值。同時(shí)，該模型也可用于腦出血早期癥狀的檢測(cè)，作為醫(yī)生對(duì)腦出血進(jìn)一步治療的重要依據(jù)。此外，技術(shù)的可移植性也有望幫助偏遠(yuǎn)地區(qū)或基層醫(yī)療機(jī)構(gòu)對(duì)于該病情的診斷和病人的搶救，使更多的腦出血患者收獲“生”的希望。

圖：騰訊AI Lab所提出的算法模型

從AI導(dǎo)診到AI輔助癌癥早篩，AI技術(shù)在醫(yī)療行業(yè)中的應(yīng)用已不陌生。技術(shù)研發(fā)不斷深入的同時(shí)，騰訊AI Lab也通過騰訊首款將人工智能技術(shù)運(yùn)用在醫(yī)學(xué)領(lǐng)域的產(chǎn)品“騰訊覓影”持續(xù)對(duì)外輸出醫(yī)療AI能力。

目前，“騰訊覓影”能利用AI醫(yī)學(xué)影像分析輔助臨床醫(yī)生篩查早期肺癌、眼底病變、結(jié)直腸腫瘤、宮頸癌、乳腺腫瘤等疾病，以及利用AI輔診引擎輔助醫(yī)生對(duì)700多種疾病風(fēng)險(xiǎn)進(jìn)行識(shí)別和預(yù)測(cè)，提高臨床醫(yī)生的診斷準(zhǔn)確率和效率。

與此同時(shí)，AI技術(shù)在臨床上的有效性也正在被逐步驗(yàn)證。在北京、上海、廣州、溫州、南寧、德清等地，“騰訊覓影”在學(xué)科帶頭人的帶領(lǐng)下分別針對(duì)早期肺癌、消化道腫瘤、眼底疾病等進(jìn)行臨床實(shí)驗(yàn)及科研合作，希望以技術(shù)幫助優(yōu)化醫(yī)療資源的不均衡。