人工智能的好處顯而易見，比如在醫療健康領域，人類專家需要花費數年時間不斷研究和糾錯，才能總結出一套基于各種因素診斷疾病的方法，但對人工智能而言可能只是幾分鐘的事情。

Google在醫療AI領域已經取得了不少成果，比如利用AI診斷心血管疾病、眼底病和急性腎損傷等。如今老牌科技巨頭——微軟也加緊了腳步。

近日，微軟和阿波羅醫院發表聯合聲明，表示雙方將結成戰略同盟，聯手設計新的機器學習算法，用于預測心臟疾病的風險，并協助醫生迅速找到相關治療方法。

“我們與阿波羅醫院的合作，將我們在人工智能和機器學習領域的特長和阿波羅醫院在心臟病方面的專業知識和經驗結合到了一起”，微軟人工智能研究中心副總裁Peter Lee說道。

他還指出，人工智能與醫療健康系統的結合是為了更好地賦能醫務工作者，從而推動人工智能的普及。這個過程是以解決方案為導向的，通過更加直觀、快捷和有效的診斷方法來減輕疾病對人類造成的負擔。

微軟在一篇博客中指出，目前雙方正在開發一個用于確定心臟健康狀況的人工智能API。不過博客中并沒有聲明，這個API是歸阿波羅醫院獨有，還是會向該國的其他醫療從業者開放。

在印度，心血管疾病是導致患者死亡的主要原因之一，心臟病導致的死亡率比全球平均水平高出0.235%（截至2016年）。對于患有早發型疾病的患者來說情況更是嚴峻。阿波羅醫院掌握了大量心臟病患者的臨床病史數據，他們計劃利用這些數據和人工智能等先進技術來預測和預防心臟病的發生。阿波羅醫院的聯合總經理Sangita Reddy表示，他們將逐步建立一個“全球聯盟”，讓他們的研究成果惠及其他國家的患者。

除了與阿波羅醫院合作，微軟近日還宣布推出Microsoft Genomics服務。Microsoft Genomics服務通過利用和處理基因數據，來幫助醫學研究者發明更精準地治療癌癥等疾病的藥物。比如，通過分析患者的健康和腫瘤細胞組織以及其他患者的醫療數據（包括治療方法和結果），醫生能夠選擇最有效的治療方案。

圣裘德兒童研究醫院、微軟以及DNAnexus（一個運營在Azure上的基因數據管理平臺）三方基于共享基因數據以及Microsoft Genomics服務，合作開發了一套基因組比對和基因變異識別的流程?；谶@套流程，合作者們已經處理了超過500TB的基因數據，并將其存儲在Azure以供大家分析。對于研究醫院、DNAnexus和微軟正在合力建立的數據分享平臺來說，這些數據分析結果提供了一個良好的基礎。

據了解，Microsoft Genomics服務是微軟Healthcare NExT的一部分，Healthcare Next是微軟發起的通過人工智能和云計算來加速健康保健行業的創新。在擁有大量準確醫療數據的前提下，微軟希望通過部署在云上的AI工具來幫助研究者更快地發現癌癥等疾病的治療方法。而一個處理基因數據的通用流程，可以有效降低可能影響數據的偽影和噪音，有助于AI驅動下的精準醫療。

目前，Microsoft Genomics已經面向美國、西歐和東南亞的用戶提供服務。

布局由來已久

病理切片的識別和判斷

微軟在醫療健康領域的布局由來已久，早在2014年，微軟亞洲研究院的團隊就已經開始鉆研腦腫瘤病理切片的識別和判斷，通過細胞的形態、大小、結構等，去輔助分析和判斷病人所處的癌癥階段。

近兩年，基于“神經網絡＋深度學習”的模式微軟亞洲研究院在該領域取得了兩大突破：

首先，實現了對大尺寸病理切片的圖片處理。通常圖片的尺寸也就是224*224像素，但腦腫瘤病理切片的尺寸卻達到了20萬*20萬、甚至40萬*40萬像素。對于大尺寸病理切片影像的識別系統，微軟亞洲研究院沒有沿用業內常用的數字醫學圖像數據庫，反而在ImageNet這個計算機領域最為成熟的圖片數據庫的基礎之上利用盡可能多的圖片，通過自己搭建的神經網絡和深度學習算法不斷進行大量訓練而成，最終實現了對大尺寸病理切片的圖片處理。

對大尺寸病理切片圖片通過神經網絡與深度學習算法進行處理的流程

其次，在解決了細胞層面的圖像識別之后，又實現了對病變腺體的識別。所謂腺體，可以簡單理解為多細胞的集合體，它更接近于“器官“的概念。相對于細胞病變，腺體病變的復雜性和可能的組合都呈指數級增長，但對腺體狀態的準確識別，則可以大大提高對癌癥分析的準確程度，意義更加深遠。

對病變腺體的識別，主要是基于醫學角度三個可以衡量癌細胞擴散程度和預后能力的指標：細胞的分化能力，腺體的狀況和有絲分裂水平。微軟亞洲研究院針對這三個角度，通過多渠道（Multi-Channel）的數據采集和分析，希望在未來幫助醫生實現對病人術后、康復水平乃至復發的可能性做出預估和判斷。

腺體圖像經過計算機處理后被抽象成不同的結構，以便于計算機進一步識別與判斷

以往醫生都是憑借”肉眼”和經驗去觀察病理切片影像并判斷病情，如今人工智能中的兩大核心技術：神經網絡和深度學習則讓計算機系統能夠自動學習惡性腫瘤細胞與正常細胞間的差異以及癌癥病情的分析和判斷標準，同時能夠在掃描病理切片之后，給出判斷結果，供醫生參考。計算機強大的運算能力彌補了部分醫生由于經驗不足引起的誤判，或是對罕見病及疑難雜癥的思慮不周。而且計算機還能發現人眼不易察覺的小細節，并總結出一些出乎醫生意料之外的規律，從而不斷完善醫生和計算機系統的知識體系。因此，正是人工智能技術讓精準醫療能夠繼續向前推進。

不同種類的惡性腫瘤切片經過算法處理后進行分類

目前，微軟亞洲研究院對二維醫學影像識別結果的準確性已經處于國際領先水平。除了腦腫瘤以外，該研究結果也可以擴展至其他疾病的二維醫學影像的識別和判斷，例如正在研究的腸癌等。此外，微軟亞洲研究院還在研究肝腫瘤患者的CT三維影像，雖然三維影像與二維影像的識別技術有本質區別，但基于微軟亞洲研究院在人工智能領域多年來的深入積累，相信我他們在三維CT影像識別上的突破也指日可待。

超級電子病歷，醫生的“辭典”

除了醫學影像識別，微軟亞洲研究院在醫療文字處理方面也做了不少研究。

全世界的醫生所寫的病歷都是最難懂的書法，由于時間有限，醫生們不得不在寫病歷的時候龍飛鳳舞。在病歷電子化之后，雖然書寫的問題得以解決，但病歷上記載的各種描述性語言——有的簡潔，有的啰嗦，有的甚至不完整——對于醫生后續進行病情查閱、檢視或學習參考來說都非常不便。

因此微軟亞洲研究院團隊通過語音和自然語言理解技術，讓醫生可以口述病歷，隨后計算機將語音轉換成文字再進行結構化處理，從而形成一個囊括了所有關鍵詞的樹狀圖，清晰、簡潔地總結所有有用信息，讓患者或其他醫生對所有病理歷程一目了然，如有何病史，用過什么藥物，排除了哪些疾病可能，待排查的疾病有哪些等等。

基于這樣的電子病歷，醫生的更換將不再會影響不同醫生對于患者完整病情的掌握；年輕醫生還可以通過學習各種病歷快速成長；結構化的電子病歷甚至能夠自動總結出被醫生忽略的細節和推斷，獲得對病情了解的新線索；當然，大大減輕醫生寫病歷的工作量更是無需多言。