“把脑袋对准这个镜头，伸出舌头，拍张照就好了。”简单三个步骤过后，你已经完成了一次胃癌高危人群筛查。

胃有没有罹患癌症的风险，通过观察舌头就能判断，在过去听来是件不可思议的事。

最近，浙江省肿瘤医院和西湖大学杨林实验室联手，做了一个大胆的尝试——开发了基于舌象的胃癌诊断新技术，将中医舌象判断与临床的胃癌诊断筛查联系起来，相关研究成果登上了国际顶尖医学期刊《柳叶刀》杂志的子刊《电子临床医学》。

在浙江省肿瘤医院中西医结合科实验室里，记者看到了一台便携式舌象采集分析仪，通过舌像筛查胃癌的奥秘就藏在这小小的机身里。

舌像里的奥秘

胃癌，是全球范围内第五大常见的恶性肿瘤。据全球癌症统计数据（GLOBOCAN）估算，2020年，胃癌的发病人数为108.9万人。所以，人类还将和这一顽疾长期对抗。

许多人不知道的是，胃癌还是一种亚洲性疾病，在大多数国家并不是一个高发病种，国际上的相关研究进展也因此相对缓慢。

每年，浙江省肿瘤医院大约收治1500例的胃癌患者，早筛查、早诊治能够显著提升胃癌患者的生存率，但是许多患者前来就诊时已经错过最佳治疗时机。

怎么样能把胃癌筛查提前一点，更精确一点？中西医结合背景下的临床医生们一直在思考。

老中医有四个法宝，“望闻问切”。其中，“望”字包括了舌诊，也就是通过观察舌头的色泽、形态来辅助诊断。中医学认为“舌为脾之外候，舌苔由胃气熏蒸而成”，可见舌象与脾胃关系最为密切，其变化也能客观反映胃部健康状态。

浙江省肿瘤医院党委书记程向东教授在胃癌诊治领域深耕几十年，对比胃癌患者与非胃癌患者的数据，他发现胃癌患者的舌象极有特点，比如患者的舌苔呈现厚腻、干燥的状态，舌下脉络的淤阻情况比较严重。

其实，这是由于舌苔上多种微生物的丰度差异导致的。现代科学研究表明，口腔微生物与胃炎、肝癌、结直肠癌等疾病相关，舌象和舌苔的样貌变化正是能够透视内里脏器情况的一个窗口。

“传统的胃癌筛查手段主要为胃镜，这不仅对医疗设备和人员的要求多、成本高，还需要侵入患者体内，很多患者都害怕做胃镜。”浙江省肿瘤医院中西医结科副主任中医师袁莉说，如果是利用常规血液肿瘤指标的筛查，检出率不高，也很难识别早期患者。

那么，通过AI识别舌像筛查胃癌就靠谱吗？

2020年初，程向东团队搜集的第一批舌像数据传送到了西湖大学。在杨林教授组建的人工智能与生物医学影像实验室里，AI向老中医拜师，以中医舌象理论为逻辑基础，开启了这场深度学习。

这一批数据由国内10个医学中心招募的937名胃癌患者和1911名非胃癌参与者组成，另外选取其他7个医学中心的815个数据样本进行独立外部验证。

“经过内外部验证，三种基于舌象的AI模型——APINet模型、TransFG模型和DeepLabV3+模型对胃癌诊断结果的准确性非常高”，袁莉说，“这也让我们看到了初步的可能性。”

在袁莉看来，中医诊断是对疾病信息的提取，“望闻问切”就是一种提取方式。在这种信息收集过程，单靠人工方式不完整也不规范，如个人脉搏不同、医生压指的力度不同等等都会造成影响，同样，从中医角度看舌像也具有一定的主观性。

AI能做的首先是排除这些人工误差，以更系统、完整的方式提取信息。对它来说，做出的判断有多准确，取决于它学习了多少数据样本。

于是，浙江省肿瘤医院研究团队开始了更大规模的数据收集工作。袁莉告诉记者，他们开始与全国50多家医院合作，扩大样本数量和范围，一个5到10万大队列人群的胃癌筛查计划也正在酝酿。

“好学”的AI

从采集好图像到输出结果，AI大约只需要0.1秒的时间。

短短的0.1秒内，它的“脑”内发生了什么？

西湖大学2020级博士生张士川也是这项研究的共同第一作者。他告诉记者，其实这是一个根据舌象图像建立概率模型的过程。“收集到的舌象图像由很多像素组成，我们首先要做的是将其转换成为计算机可以识别的信号矩阵，进行标准化处理。”

张士川解释，在这一过程中，一张图像将被分割成784个预处理的小分区。接下来，AI会开始“识图”，在小分区内、分区之间找寻胃癌患者与舌像之间的联系。这也正是这个模型突破传统“识图”方式的创新所在。经过西湖大学杨林团队改进的新型诊断模型组合——APINet模型、TransFG模型和DeepLabV3+模型，将视野缩小到了局部，这意味着它们能够更迅速地捕捉到这些细微的差异。

最终，模型将输出一个概率数值标准，即机器判定一幅舌象图像为胃癌的参考数值。成千上万次的自我学习后，再遇到新的舌象图像时，AI模型就可以生成每张舌象的胃癌概率，为医生提供参考。

“AI+医学影像”的组合，倚赖的是计算机视觉分支中一类经典的人工智能任务——图像处理。也就是说，利用人工智能算法对图像进行处理和分析，让计算机能够像人脑一样，去辨读深藏医学图像中的细微信息。原先，这些重复性和强度高的工作都由医生承担，现在“好学”又“训练有素”的AI能够胜任。

计算机的理解模式是和人类很相似的，不同的是，它们永远不知疲倦。

最近，杨林团队还忙着给AI诊断模型升级。“一方面我们想让AI输出的结果具有‘可解释性’，也就是说当就诊者拿到自己的报告时，不仅仅有患胃癌的概率，我们还从多个方面进行解读，帮助他理解这个结果。”张士川说。

另一方面，他们希望提高模型的稳定性和适应力。“如果一个新的医院需要用我的模型，但模型没有见过这些新的数据，其实是一个非常有挑战的问题。”张士川说，新医院可能存在一些不一样的参数，比如成像环境上有变化，或者图像中的污点，这些都可能对模型性能带来波动。

除了辅助医生进行胃癌诊断筛查，AI还可为的空间还很大。

宫颈癌的病理图像、与血液病有关的血细胞成像……在团队看来，人工智能可以成为人类的另一只“眼”，潜入人类疾病的茫茫深海，求索许多攸关人类生命健康的难题的破译密码。

• 1
• 2
• 下一页
• 全文阅读