■王平安（左）與研究團隊成功應用人工智能影像識別技術，提升肺癌及乳腺癌的影像診斷準確度。圖右為竇琪。香港文匯報記者黎忞 攝針對肺癌及乳腺癌 最快30秒完成識別
香港文匯報訊（記者 黎忞）肺癌及乳腺癌為本港常見的高危頑疾，為提升臨床診斷效率，中文大學工程學院研究團隊運用人工智能影像識別技術，通過深度學習系統判讀電腦斷層掃描及病理組織切片等醫學影像，以研究該兩類癌症。結果顯示，利用該技術判讀的癌症醫學影像，準確率分別高達91%及99%，識別過程亦加快至30秒至5分鐘，更降低了誤診率。團隊將與本地公營醫院合作，期望技術最快可在未來一兩年後廣泛應用。
肺癌是本港頭號致命癌症，每年有數千宗新增病例。肺癌早期多以肺小結節（small pulmonary nodule）的形式出現，病人的肺部影像會出現細小團狀陰影。現時醫生主要透過胸腔電腦斷層掃描（CT）圖像檢查，了解病人肺部是否有肺小結節。
肉眼要看五分鐘
不過，每次檢查可產生多達數百張CT圖像，一般情況下，若逐張以肉眼觀察，每幅花3秒，耗時至少5分鐘，會耗費大量時間和精力，準確度或會因醫生的經驗及精神狀態而存在差異。
中大計算機科學與工程學系教授王平安及其團隊，於5年前展開相關實驗。他們採用人工智能深度學習技術（Deep Learning）判讀CT掃描圖像，只需30秒就能自動識別出可能出現肺小結節的位置，準確度亦高達91%。
王平安解釋，深度學習是指電腦模仿人的大腦，根據所收集的數據，再按醫生的指示及示範，從而進行數據分析；而多次重複的學習及修改，可提升系統準確度。
料一兩年內廣泛應用
他相信該技術將於未來一兩年內被廣泛應用，「深度學習透過先進的方法，提升技術的敏感度，剔除疑似及雜訊的誤報（即假陽性），解決了用肉眼檢測影像所遇到的最大挑戰。」
王平安又透露，團隊將聯同北京3所醫院合作開發相關產品，以優化技術，及早識別肺結節病變，同時會與本港醫院合作，以盡快在本地醫療系統應用。
除了肺癌之外，有關技術亦可應用在乳腺癌診斷。醫生一般要通過乳房X光造影或MR掃描檢測硬塊位置，而在檢測淋巴結轉移時，就須切取一小塊活組織為樣本，在顯微鏡下檢查淋巴結有否轉移，以及判斷腫瘤是良性或惡性。
一幅數碼活組織全切片圖像的解像度很高，檔案大小可達1GB，於是研究團隊開發了一種嶄新的深層疊卷積神經網絡，分階段處理乳腺癌的切片圖像。
首先使用改良版的全卷積網絡（Fully Convolutional Network），即一種對圖像進行較粗略但保持高靈敏度的快速預測模型，重構出更加精密而準確的預測結果，最後定位並挑選出含有淋巴結轉移的圖像。
整個過程只需約5分鐘至10分鐘，而現時單靠肉眼檢查則需花費15分鐘至30分鐘。自動化檢測的準確度達到約99%。
研究團隊成員之一的博士研究生竇琪指，團隊早前參加過不少國際學術比賽，比賽亦會提供病人數據以測試系統的準確度，結果顯示中大團隊的表現優秀，在檢測肺癌及乳腺癌的準確率達九成或以上。