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。
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。
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，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。
以Ki-67染色切片为例，它能帮助判断癌症细胞的增殖指数。在传统显微镜下，病理医生需数出染成棕色（阳性）的癌细胞个数及癌细胞在切片上的占比。而在智能显微镜下，医生只需给出“Ki-67”这一语音指令，AI就自动完成细胞计数和占比计算。
演示三：癌症区域监测——以淋巴结切片为例
淋巴结是癌症扩散或转移常见的途径。医生可检查癌症区域附近的淋巴结情况，来确认癌症分期（TNM分期），再决定之后的治疗方案。
在传统显微镜下，使用低倍镜时，医生容易漏掉小的癌症区域，而使用高倍镜则非常耗时。在智能显微镜下，医生只需给出“区域检测”语音指令，AI会识别可疑癌症区域，精确估计该区域大小，实时将结果显示到医生所看的目镜视野中，避免遗漏。
演示四：辅助诊断流程——以息肉分类为例
智能显微镜还能辅助医生完成一个整体诊断流程，并自动生成诊断报告。
在结直肠镜筛查时，发现息肉一般要切下来做病理诊断，确定其良恶性和具体病变类别（腺瘤、腺癌等）。若是良性只需随访，恶性需及时做手术。
使用人工诊断筛查时，有经验和年轻的医生间可能会结果差异较大，诊断结果主观性强。而经过大量专家数据训练的AI，可提高诊断一致性。在智能显微镜下，医生只需给出“息肉分类”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，AI自动生成报告，供医生复核结果和发布报告。
