中文大學校刊 二零一八年第一期

23 慧眼識病灶 系統自動識別乳癌細胞 （藍線圈畫部分） 王平安教授（右）及竇琪小姐 據IBM推測，九成醫學數據都是醫學 影像，若負責相關專業的放射科和病 理科醫生人手短缺，影響匪淺。中大 計算機科學與工程學系 王平安 教授及 其團隊成功研發人工智能醫學影像識 別技術，並針對肺癌及乳癌個案驗證 成效，準確率分別高達91%及99%。 深度學習屬人工智能的分支，以卷積 神經網絡（CNN）作影像運算，能夠 「看」到影像細節，加以分析。王教 授說：「人工智能平台會按醫護人員 或工程師的指示分析和解讀數據，過 程猶如大腦從眼睛接收視覺刺激，繼 而建構有意義的資訊。」 醫生的得力助手 早期肺癌多以肺結節的形式出現， 醫生會在肺部CT影像發現細小的陰 影。單靠肉眼判斷一幅CT影像需時 約五分鐘，準確度或會因為放射科醫 生的經驗與專注力而有差異。研究團 隊採用三維CNN深度學習技術，能辨 別胸腔CT圖像的結構特徵，於三十 秒內找出有問題的肺結節。王教授的 博士生 竇琪 說：「掃瞄立體的CT和 MRI影像難度較高，我們率先提出以 三維CNN技術識別立體影像的特徵， 這項技術在國際賽事屢獲佳績。」 要準確診斷乳癌，醫生須抽取活組織 樣本仔細化驗，但一幅數碼活組織全 切片圖像的解像度非常高，檔案大小 可達1GB，相當於一部九十分鐘高清 電影，除了需要一個穩定的系統處理 高像素的數據，檢測過程也十分費時 費力，憑肉眼判斷一幅影像耗時十五 至三十分鐘。王教授的團隊研發出一 個CNN模型，可於五至十分鐘內自 動識別癌細胞，較其他先進的系統快 六十倍，準確度比資深病理科醫生的 判斷高2%。 肺癌的假陽性表徵與肺結節十分相 似，要識別肺結節難度極高。王教授 說：「我們於是設計一個網上篩檢系 統，找出懷疑有問題的樣本去訓練人 工智能系統，以提升篩檢的準確度， 再以一個深度學習模型定位，挑選出 有問題的肺結節。」去年，團隊的深 度學習技術於MICCAI（醫學影像計 算與計算機輔助介入國際會議）贏得 醫學影像分析最佳論文獎。 大學與業界夥伴合作 截至2017年2月，全球已有一百零六 家人工智能醫療初創企業，視見科技 是其中之一，由中大虛擬現實、可視 化與圖像處理研究中心「孵化」而 成，王教授是中心主任，也是視見科 技的聯合創辦人和首席科學家。深創 投於本年3月底領投視見科技，完成 人民幣六千萬元的A輪融資。公司於 上年創立初期獲香港創新科技署撥款 支持，並得到聯想創投集團注資人民 幣二千萬元。 本年2月，視見科技與中大深圳研究 院簽訂研究與產品開發的合作協議， 王教授說：「大學會專注於科研和培 育科技人才，而公司會致力與業界夥 伴建立戰略合作關係，開發更多產 品。大數據現正轉化醫療發展，大家 都見證到自動化數據分析如何輔助醫 生診斷，我們會繼續與醫護界合作， 盡心為病人謀福。」