顱內(nèi)出血（(Intracranial hemorrhage, ICH) 也叫做腦出血、腦溢血、出血性中風(fēng)／卒中，具有高發(fā)病率、高致殘率、高死亡率的特點，是嚴(yán)重的健康問題。腦中的血管破裂出血后，會阻斷大腦周圍或內(nèi)部的血液流動，使大腦缺氧，只需要3-4分鐘，就有可能讓腦細胞開始死亡。

對顱內(nèi)出血做出正確診斷并采取措施對降低殘疾率和死亡率至關(guān)重要，而識別出血的位置和類型是其中的關(guān)鍵步驟。但是，面對顱內(nèi)出血這個急診室里的“�？汀�，醫(yī)生們即便練就了一雙“火眼金睛”也會顯得力不從心。按照出血位置，顱內(nèi)出血分為腦室內(nèi)出血 （Intraparenchymal）、腦實質(zhì)性出血 (Intraventricular)、蛛網(wǎng)膜下腔出血 (Subarachnoid)、硬膜外出血 (Subdural) 和硬膜下血腫 (Epidural)。一般而言，面對顱內(nèi)出血，醫(yī)生會檢查患者的腦CT，查找出血的存在、部位和類型，但是單以人眼從醫(yī)學(xué)影像中快速準(zhǔn)確地將病人按病情輕重緩急區(qū)分開，既復(fù)雜又耗時。

圖：腦出血類型

近期，騰訊AI Lab在RSNA 2019 AI Challenge上提出的新算法為破解這一困境提供了新的思路。RSNA（北美放射學(xué)會）是全球醫(yī)學(xué)影像學(xué)最頂級的會議，引導(dǎo)著全球放射學(xué)研究和應(yīng)用的方向，每年有超過5萬的醫(yī)生，研究學(xué)者和工業(yè)界人員參加。RSNA非常重視AI在影像學(xué)的應(yīng)用，為推動AI在醫(yī)學(xué)影像學(xué)領(lǐng)域的研究和落地，從2017年起，RSNA設(shè)立了單獨的AI挑戰(zhàn)賽環(huán)節(jié)，并成為影像學(xué)競賽的圣杯之一。今年RSNA和Kaggle(全球最大的公開數(shù)據(jù)和機器學(xué)習(xí)比賽平臺)共同推出顱內(nèi)出血檢測競賽（RSNA Intracranial Hemorrhage Detection），任務(wù)是開發(fā)一個機器學(xué)習(xí)算法來識別急性顱內(nèi)出血及其亞型。

比賽吸引了來自全球75個國家共計1345多支隊伍、1787位個人參賽者參與，其中不乏出身全球著名醫(yī)療機構(gòu)、醫(yī)學(xué)實驗室以及各類巨頭公司人工智能實驗室的參賽者，他們使用北美放射學(xué)會（RSNA）與美國神經(jīng)放射學(xué)會和MD.ai成員合作提供的豐富圖像數(shù)據(jù)集來開發(fā)解決方案，以快速準(zhǔn)確地識別顱內(nèi)出血患者的出血位置、類型及出血狀態(tài)。值得注意的是，在這些競賽數(shù)據(jù)中存在部分異常的“噪聲”標(biāo)注信息，參賽者們需要有效處理這一困難帶來的干擾。這個數(shù)據(jù)集來自多個國家和多個醫(yī)療中心，包括來自25998個病人的1074271幅CT圖像，由60名神經(jīng)放射醫(yī)生標(biāo)注完成。

在該挑戰(zhàn)賽中，騰訊AI Lab采用多模型、多階段、多信息融合的方法，通過添加CT圖像的空間信息，融合醫(yī)學(xué)圖像病變的關(guān)聯(lián)性，以及有效的數(shù)據(jù)采樣算法，短時間內(nèi)從超過一百萬幅腦部CT圖像中找到了顱內(nèi)出血的病變規(guī)律，從1300多支隊伍中脫穎而出，取得了Stage1和Stage2雙榜第一的好成績。

圖：騰訊AI Lab團隊“SeuTao”斬獲RSNA 2019 AI Challenge第一

通過在不同階段提取出不同的特征信息，如Base CNN階段提取圖像信息，Sequence Model 1 階段融合多張CT slice的空間特征信息，Sequence Model 2階段再次整合圖像信息、空間融合信息以及圖像本身的原始信息，騰訊AI Lab的新算法能夠增強所學(xué)習(xí)到的模型的泛化能力，提升模型對未知數(shù)據(jù)的預(yù)測能力，從而最終成就了此次奪冠。

這一算法模型未來可應(yīng)用于顱內(nèi)出血的診斷與治療當(dāng)中，提高醫(yī)生識別出血位置、類型的效率及準(zhǔn)確率，加速腦出血病人病情診斷的整體進程，幫助醫(yī)生制定正確的治療方案，節(jié)省寶貴的搶救時間，創(chuàng)造一定的經(jīng)濟價值和社會價值。同時，該模型也可用于腦出血早期癥狀的檢測，作為醫(yī)生對腦出血進一步治療的重要依據(jù)。此外，技術(shù)的可移植性也有望幫助偏遠地區(qū)或基層醫(yī)療機構(gòu)對于該病情的診斷和病人的搶救，使更多的腦出血患者收獲“生”的希望。

圖：騰訊AI Lab所提出的算法模型

從AI導(dǎo)診到AI輔助癌癥早篩，AI技術(shù)在醫(yī)療行業(yè)中的應(yīng)用已不陌生。技術(shù)研發(fā)不斷深入的同時，騰訊AI Lab也通過騰訊首款將人工智能技術(shù)運用在醫(yī)學(xué)領(lǐng)域的產(chǎn)品“騰訊覓影”持續(xù)對外輸出醫(yī)療AI能力。

目前，“騰訊覓影”能利用AI醫(yī)學(xué)影像分析輔助臨床醫(yī)生篩查早期肺癌、眼底病變、結(jié)直腸腫瘤、宮頸癌、乳腺腫瘤等疾病，以及利用AI輔診引擎輔助醫(yī)生對700多種疾病風(fēng)險進行識別和預(yù)測，提高臨床醫(yī)生的診斷準(zhǔn)確率和效率。

與此同時，AI技術(shù)在臨床上的有效性也正在被逐步驗證。在北京、上海、廣州、溫州、南寧、德清等地，“騰訊覓影”在學(xué)科帶頭人的帶領(lǐng)下分別針對早期肺癌、消化道腫瘤、眼底疾病等進行臨床實驗及科研合作，希望以技術(shù)幫助優(yōu)化醫(yī)療資源的不均衡。