【本报港闻部报道】中文大学工程学院近年开发以人工智能进行深度学习，学习判读电脑断层扫瞄（CT）及病理组织切片等医学影像，判读出肺癌及乳腺癌的准确率高达91%及99%，识别过程所花时间更大大缩短，预计在未来一至两年，这种自动化检测技术将可于本地医疗界广泛应用。
肺癌与乳线癌一直与大肠癌并列为本港头三大癌症杀手，肺癌更是本港头号致命癌症。早期肺癌多以肺小结节（small pulmonary nodule）形式出现，医生平时需要花费大量时间及精力观看几百幅电脑断层扫瞄（CT），检查肺部影像是否出现细小的团状阴影，以确定是否存在肺小结节，即使每幅花三秒，耗时亦至少五分钟，同时需耗费大量时间精力。
30秒识别肺结节位置
中文大学（中大）计算机科学与工程学系教授王平安及其团队，应用人工智能影像识别技术，通过深度学习系统，让电脑判读CT扫描图像，仅需30秒电脑就能自动识别出可能出现肺小结节的位置，准确度高达九成。王平安昨日表示：「深度学习透过先进的方法，提升技术的敏感度，剔除疑似及杂讯的误报（假阳性），解决了用肉眼检测影像所遇到的最大挑战。」他透露，团队将联同北京几所医院合作开发相关产品，以优化技术，及早识别肺结节病变，为肺癌的早期诊断和治疗提供可靠的依据。
一两年应用所有癌症
中大研究团队早于5年前展开相关实验，现今测试效果取得医学界的正面回响。学院正与本地公营医院洽商，预计未来一两年可将此自动化检测技术在本地医疗界应用，并应用在所有癌症。
1990年起，本港乳腺癌新增个案持续上升，成为本港总排名第三，女性排名第一的最常见癌症。诊断时，医生一般要通过乳房X光造影或MR扫瞄检测硬块位置。检测淋巴结转移时，医生须切取一小块活组织为样本，在显微镜下观察转移情况及肿瘤是否良性。而一幅数码活组织全切片图像的解像度非常高，档案大小可达1GB（Gigabyte），相当于一部90分钟高清电影的储存容量，检测过程极之费时费力。人工智能深度学习的优点，是能容纳大规模的参数。透过大量经医生标记出癌细胞及正常细胞特徵的病理数据，人工智能在重复学习后，就愈能精准地分辨出癌细胞。人工智能应用于医学上的自动筛查及检测，有如一个永不疲劳的医护助手，协助医生快速识别病源，及时制定适切的治疗方案，对症下药。 |
搜寻新闻
