这是钛媒体Pro专业用户和付费用户专享的“钛坦白”在线课堂第29期，我们请来了三位钛客，给大家讲讲人工智能在医疗领域的应用。

　　本文根据本期钛客之一，前麦肯锡资深咨询师、DeepCare 羽医甘蓝科技创始人、CEO刘圣的分享整理了部分摘要，全文需要成为钛媒体专业用户才可以查看。进入钛坦白相关交流群交流，以及进入钛媒体Pro专业版查看更多更丰富的专业数据和信息，点击：注册成为钛媒体专业用户。

　　以下是刘圣在钛坦白的分享：

　　我叫刘圣，我们公司叫DeepCare，就是deeplearnig和heachcare两个单词的组合，我们主要做的是把深度学习运用在医疗影像的识别上。

　　市场的需求

　　病理被称为是医生的医生，服务对象其实不是病人，而是临床医生。也就是说，病理医生会诊断出病人罹患的是良性的肿瘤还是癌症，如果是癌症，会给癌症分期分型，然后把这个诊断交给临床医生。临床医生会根据这个诊断来给病人制定治疗和用药的方案。

　　讲到这里，我来问大家一个问题，大家都知道现在看病很难，不知道有哪位朋友花钱买过黄牛的票呢？我们买专家号看到的医生和我们挂普通号看到的医生，在诊断大病上的精确度到底有多大的差距呢？

　　两个月前，我们做了一个实验，请了北京的特级三甲、普通三甲和地方上的三甲医院的一共四名医生看70张乳腺癌转移的片子。这四名医生的年资分别是40年经验、30年经验、20年经验和10年经验。70张乳腺癌的片子有30张是阴性的，就是说没有癌细胞的，有40张是阳性的就是有癌细胞的。

　　我们请这四位医生看这70张片子，那位40年经验的医生的准确率达到了98%以上，剩下的三位病理医生，他们的平均准确率在70%左右。

　　就这个实验来说，专家和普通医生差距确实还是挺大的，怪不得黄牛号这么贵。我们做这个实验，一方面是为了比较不同的医生看病理切片的诊断会有多大的差异，另外一方面，j2直播，我们用我们的算法也对同样的70张片子进行了诊断，当时我们的准确率是93%，那是在两个月以前，现在我们准确率已经超过了95%。

　　从这个实验也可以看出，一方面，中国的医疗资源确实是非常不平均，专家和普通医生之间的差距确实非常的大；另一方面，在一个定义非常明确的问题之上，算法其实可以做到比人或者是比一般人更好，可以无限接近最厉害的或者是最强的那个医生的水平。

　　我们现在在做的事就是和北京的这些病理科，全国最强的科室的医院合作，开发出智能算法，然后把这些算法运用到基层医院和三四县城市当中去。

　　下面这张图片，左边是属于正常的细胞，右边属于癌变后的细胞。为什么一个病理医生这么难培养？因为有上千种疾病可能有上万种不同的变化，这些变化让任何一个人用人脑来记都是非常非常困难的。

　　一张病理切片里面包含的信息是非常大的，有十几亿个像素点，一张压缩过的图片大概也有几个G的大小，这么大量的信息让人的眼睛来观察，可以说非常辛苦，这种工作其实是非常适合计算机来做的。

　　在中国病理医生非常的缺乏，大概平均七万中国人一位病理医生，而在美国是平均两千人一位病理医生。中国如果想达到美国的这个数字，按照中国现在培养病理医生的速度大概要200年。我们在做的事情就是用人工智能的方式来弥补这个供需上的不平衡。

　　算法上的实现

　　下面这张图片是我们诊断的流程。我们会把处理切片的算法分成三步：

第一步，预处理。就是把含有组织的这个部分从切片上面挑出来；

第二步，神经网络的处理分类。先把这些挑出来有组织的部分切成小块，大家看这个图的右上角，每一个小块有一定大小，模拟医生在显微镜下看到的大小，然后把每一个小块放到显微镜神经网络里面，判断这个小块里边是否含有癌细胞。大家可以看到，下面中间的这个蓝色的图就是最后结果的一个可视化的表达，它其实是一个热力图；

第三步，后处理。就是从一个热力图得到最后的诊断报告。