文

《中国科学报》实习生孟凌霄

年，一个网名为“coolwulf”的“业余程序员”，在程序员社区V2EX发布了一款应用，可以通过人工智能（AI）看胸片，给出是否罹患乳腺癌的意见。它有很高的准确率，而且是免费的。一时间引来无数好评。

如今，“coolwulf”的方向从癌症检测转移到实际治疗方面，并带着AI诊疗脑瘤系统回来了。

“coolwulf”原名姜浩，本科毕业于南京大学物理系，博士毕业于密歇根大学核工程和放射科学系，曾在布鲁克、西门子担任研发总监，指导影像领域的产品开发。目前在医学影像深度学习公司NeuralRad担任首席执行官。

这些年来，他有自掏腰包，发动亲友蹲守50张显卡的壮举；也有地下室跑实验，引来FBI登门检查的乌龙；但更多的是，“让患者活下去、活得好一些”的愿景。

姜浩所在的NeuralRad团队

地下室实验，引来FBI

年，姜浩的一位南京大学学妹因乳腺癌去世。“当时发现得晚了，才34岁，留下了一个4岁的孩子。”

根据世界卫生组织数据，乳腺癌已成为全球发病率第一的癌症。姜浩知道，乳腺癌的一大特点是“越年轻，越凶险”，年轻人的乳腺癌会扩散更快。如果能在乳腺癌Ⅰ期发现，5年生存率是99%，但在国内，乳腺癌的早期发现率不足20%，而通过筛查发现的比例更不及5%。

姜浩想，如果AI可以帮着“看片子”，也许能大大提高乳腺癌的早期检测成功率。他决定，将医疗影像与深度学习相结合。

对于一个足够好的深度学习模型，一是要有足够多的数据，二是要有足够强大的计算力。

姜浩从北美和欧洲几个研究机构获得了带标注的胸部医疗影像。他解释道，这些标注能够区分是否患有乳腺癌（良性或恶性的肿块或者钙化组织），而标注大多来自美国放射学委员会认证的放射科专家。如果深度学习模型能够训练好，就可以达到这些专家读图的平均水平，甚至更好。

另一方面，足够强大的计算力需要硬件支撑。

在乳腺癌检测项目启动的年底，市面上几乎没有GPU云端服务，因此只能个人购买硬件设备。当时虚拟币挖矿火热，单张显卡的价格被从几百美元炒到美元，而且还有价无货。

为了凑到足够的硬件算力，姜浩自掏腰包，发动亲友在购物网站蹲守多日，终于抢到了50张Ti显卡。此外，加上训练模型所需的电脑主板、CPU、固态硬盘和内存条等，粗粗一算，总花费不可小觑。

姜浩玩笑道，“其实我从来没算过钱，算出来，被太太知道不好”。

万事俱备后，姜浩找到一位开中餐馆的朋友，把设备安置在餐馆地下室中。没想到的是，此举却给朋友招来“大麻烦”。

在一次卫生例行检查中，一位检查员被中餐馆地下室的硬件设备吓了一跳。没过几天，四名警察和两名FBI工作人员登门搜查。一番解释后，警察才了解到，原来地下室藏着的是实验用的硬件设备，而非“地下赌博网站”。

姜浩（左一）和开中餐馆的朋友

宝贵的“第二意见”

年，经过几个月的奋战，姜浩的AI检测乳腺癌网站终于上线。

只要将乳腺癌影像以JPG形式上传网站，就能获得AI的判断结果。这一检测系统速度快、准确率高。更重要的是，它完全免费。

姜浩曾在欧洲的INbreast数据库上做了测试，准确度达到90%。医院和中国的一家合作公司使用在某个乳腺癌检测世界竞赛中获得第二名的程序来测试乳腺癌影像数据库，结果显示漏了10个阳性案例；使用姜浩的系统进行测试，只漏了一个阳性案例。

漏检阳性案例，结果就会出现假阴性。“假阴性会让患者漏掉癌症结果，肯定比假阳性有更大的危险，错过恶性病变总比让病人去做活检要麻烦很多。”而姜浩发明的检测方法，假阴性几率极低。

不过，姜浩强调，这一工具并不能用于诊断，只能为患者、医生提供第二参考意见。在缺乏医疗资源的偏远地区，这些宝贵的“第二意见”，不仅有助于医生在诊断时更有信心，更能为潜在患者争取治疗时间。

实际上，即使在专业医生的诊断中，影像筛查仍不能%准确显示女性是否患有乳腺癌。

这一检测项目获得了业内的广泛

转载请注明:http://www.aideyishus.com/lkzp/3834.html