搜索网站、位置和人员
电话: +86-(0)571-85279887 工学院
世界上最动听的话不是“我爱你”，而是“你的肿瘤是良性的”。
——伍迪·艾伦
一个令人忧心的情况是，医生需要在几分钟内判断一张病理切片是否有问题，而这张切片里显示几百万个细胞。在几百万个细胞中瞬间发现是否存在癌细胞，靠的是医生的经验和个人能力。
患者有时很容易听到这句“世界上最动听的话”，但原因也有可能是医生没有看到癌细胞。这将导致一个可怕后果——延误治疗。
对人类眼睛而言，从几百万个细胞中永不疲倦的找出问题可能不是件容易的事；但如果这双眼睛能够得到人工智能的保驾护航，那就可能并非难题了。
杨林正通过对人工智能和数字医疗的研究解决癌症筛查难题。
这一领域的研究分为三个类型——文本、病理、基因和分子，指向AI+数字医疗的三个重要方向。第一个方向在语音和文本，已经广泛使用于各大医院，逐渐构建起标准化临床病理报告的表述，形成结构化数据；第二个方向是病理诊断，这将成为精准治疗的基础；第三个方向是基因检测，包括蛋白质组学、单细胞测序等，例如研究从单个癌细胞上提取基因信息等。
杨林希望借由人工智能对这些信息的分析，为医生提供更多辅助，最后做出精准诊断和治疗。在过去长达20年的研究生涯里，他把更多注意力放在了AI辅助病理诊疗方向。
病理被称为“医学之本”，病理医生被称为“医生中的医生”。在当前的医疗条件下，许多肿瘤患者需要通过病理检测来确定肿瘤是恶性还是良性，最终确定治疗方案。但即便是取自同一个人的病变组织，每一张切片也是不同的，这就要求病理医生诊断判定必须慎之又慎，确保精准。现实情况却是，全国有执照的病理医生缺口达9万人，而每年新增的癌症患者接近500万人。
人工智能的应用可以一定程度补上缺口，机器的学习能力已经有可能给出精准的病理判断。以国家每年都要进行的宫颈癌细胞学筛查为例，每张宫颈切片都需要医生一个个细胞地观察，发现问题再进行复查，成本高，效率却不高，医生压力非常大。如果将切片数字化，深度学习后的人工智能可以快速检测每个细胞，发现问题细胞并进行深入分析。从2004年攻读博士至今，杨林和他带领的研究团队一直致力于探索开发具备可解释的通用人工智能模型，为病理诊断的全流程插上智慧的翅膀。最近，杨林团队关于可解释性的人工智能深度学习网络的研究也发表在了自然-机器学习子刊。
“在癌症筛查上，我们面临的现实问题就是根本没有足够有资质的医生，现在的细胞学医生们在大多数时候都是超负荷运转，而这个现状根本无法在短时间内改变。能够真正满足在大幅度降低医保支出的同时，还能显著提升宫颈癌细胞学筛查质量这样一个看似矛盾的需求，唯有人工智能。”杨林对此很有信心，他和团队给实验室想了一句“广告语”——AI辅助诊断，智能点亮病理，“就是希望用人工智能结合数字病理解码细胞背后的秘密，真正为我们国家的两癌筛查、癌症筛查做贡献。”
✱本文主要内容源自杨林在思享汇上的分享
最新资讯
人物故事
大学新闻
