感谢阅读腾讯AI Lab微信号第50篇文章，我们将分享今日在南京「腾讯全球合作伙伴大会」上介绍的「智能显微镜」研究项目。

腾讯 AI Lab 今日在南京举办的「腾讯全球合作伙伴大会」上宣布，其AI+医疗领域研究已抢先从影像筛查进入病理分析阶段，相关的「智能显微镜」项目已在研发测试阶段。

智能显微镜融入了人工智能（AI）的视觉、语音、自然语言处理技术，及增强现实（AR）技术，医生轻松输入语音指令，AI就能自动识别、检测、定量计算和生成报告，并将检测结果实时显示到医生所看目镜中，及时提醒又不打断医生阅片流程，能提高医生的诊断效率和准确度。

一般诊断流程包括医疗影像筛查、病理分析、规划治疗和术后康复与追踪等四大环节。腾讯的目标，是打造一个能覆盖诊疗全流程的AI产品。在医疗影像筛查上，「腾讯觅影」已取得可喜进展，目前上线全国100余家三甲医院，辅助医生阅读影像超1亿张，服务超百万患者，提示高风险病变15万例。现在进入病理分析阶段，为公司打造全栈式AI+医疗解决方案提供了坚实基础。

以下介绍了病理AI技术、「智能显微镜」研究项目背景，及「腾讯觅影」在医疗影像方面的可喜进展，由腾讯AI Lab AI+医疗专家姚建华博士与AI+病理专家韩骁博士分享。因篇幅需要，全文有删节。

病理AI分析与智能显微镜

常见病理诊断工具简介

医生病理诊断的主要方式是观察切片，将其放大40到400倍后，观察细胞形态和组织结构作出诊断。病理显微镜和数字病理扫描仪是医生最常用的工具。

显微镜有三百多年历史，医生能熟练使用，价格也较低。但其局限性有：一是视野小，医生从目镜中每次只能看到切片上很小的局部，要切换多个视野，并将其关联才能得到整体诊断；二是图像没有数字化，不能用AI算法读取。

智能显微镜及测试功能简介

智能显微镜突破了传统显微镜的局限，以前是被动使用，现在转为主动辅助医师，如通过计算机视觉去帮助医生，从简单但繁琐的细胞计量，到困难且复杂的癌症类型辨识及区域精准划分。同时利用语音识别让医生与智能显微镜进行流畅人机交互。最后通过自然语言处理技术协助最后的病理报告生成。

读片时，医生只需给出语音指令，AI就能自动阅片、自动采集图像，并辅助医生诊断；医生阅片完成后，给出「生成报告」指令，智能显微镜就能将显微镜截图和诊断结果填入报告模板，自动生成报告，让医生复核结果和发布报告，使原本最费事的报告生成环节变得又快又省心。

智能显微镜技术模块介绍

病理AI分析是未来的研究发展方向

病理分析是诊断、预后分析和指导癌症治疗的黄金标准。在中国，2017年需约12万名病理医生，但经过训练的病理医生只有不到2万名，这个差距还在逐年增大，因而病理科医生人员配备紧缺，任务繁重。将病理切片数字化，并用AI算法辅助分析，有助于缓解病理医生不足的状况，是AI+医疗的未来趋势。此外，基础病理AI的研究更能在三方面推进病理AI的能力——

1、基于AI的病理诊断模型：可提高诊断效率，提高微小病变和疑难病例识别能力；

2、基于AI的病理预后预测模型：如预测五年总生存率、五年无疾病生存率和五年无远处转移生存率；

3、病理组学：从病理数据中提取特征，定量化分析及挖掘病理特征和诊疗的关联性。

第一种让医生「如虎添翼」，做得更快更好，后两种让医生「冲云破雾」，突破原有难关。

演示一：有丝分裂细胞检测

有丝分裂细胞计数测量癌细胞的活跃度，是癌症诊断分级的重要指标。

在传统显微镜下，这是非常繁琐的过程——医生要在高倍镜下观察10个不同区域，准确识别出有丝分裂细胞，然后统计其个数。在智能显微镜下，医生移动到目标区域时，只需给出「有丝分裂」这个简单的语音指令，AI算法能自动识别、检测和统计该区域结果，马上显示到医生所看的目镜视野中。一个区域完成后，医生可移动到新视野，重复语音指令预问诊系统，AI会更新结果。

演示二：免疫组化定量分析——以Ki-67染色切片为例

免疫组化是应用抗原-抗体结合的原理，在病理切片上通过特殊染色来测量组织中特定蛋白的表现，能在分子或基因层面提供更精准的癌症诊断。