醫療影像大賽連勝兩場　港AI癌症診斷技壓全球

原文刊於信報財經新聞專欄「StartupBeat創科鬥室」

國際級醫療影像分析大賽「ICIAR 2018 Grand Challenge on Breast Cancer Histology images」（BACH），出現了港人身影。IT人郭俊豪以高階程式語言Python，用作訓練機器深度學習（Deep Learning），從全球超過50隊參賽隊伍脫穎而出，於比賽兩部分均成功奪得第一名。

BACH是2018年夏天於葡萄牙舉行的「International Conference on Image Analysis and Recognition」的前奏，比賽歷時數個月。參加者須在第一部分比賽編寫程式，利用400張分屬正常細胞、良性腫瘤、原位癌，或已發展成入侵性癌的顯微鏡影像作Training Data，進行深度學習，其後再辨識100張額外的顯微鏡影像（亦即是Testing Data），看看程式的準確度。

IT人受親友病逝啟發

郭俊豪在這第一部分，先以87%準確度（Accuracy），跟另一個印度參賽隊伍成為雙冠軍。至於第二部分比賽，參加者須進一步分析全切片影像（Whole Slide Imaging, WSI），把有問題的部分分類（Classify）出來。經複雜算式計算分數後，郭俊豪在第二部分比賽亦以0.69分高踞榜首。

據悉比賽的參加者大部分都跟他一樣，專長於電腦科學，沒太多醫療背景。郭俊豪形容，「看着那些顯微鏡影像，都不知為何這一張是（癌細胞），那一張不是。要看很多背景資料，了解一下病理學家如何分辨。不過，自己基本上都是從影像分析角度出發來做這研究。」

郭俊豪表示，此前已參加過好幾個醫療科技比賽，當中涉及肺癌電腦斷層掃描（CT）分析、子宮頸癌分析、乳癌擴散等等，例如要從數百個病人的肺部CT影像找出結節（Nodule），並估算結節一年後變成癌症的機會。他透露，自從有親人因癌症離世後，便經常思考一個問題：作為IT人，假如想在癌症相關研究參與其中，到底可以貢獻什麼。

用Python編程潛力巨大

不過，投身IT行業十多年的他，無論是打工抑或創業，均未嘗涉足醫療科技，反而大部分時間在銀行的IT部門打滾，主力負責編寫外滙交易系統，其中JAVA是他最常接觸的程式語言。直至3年多前，他開始接觸另一種熱門程式語言Python，「當時公司有分享會，同事講述自己在台灣參加PyCon（Python Conference）的經歷。」

與此同時，開源香港（Open Source Hong Kong）會長馮振華在2015年，把專門探討和推廣Python程式語言的PyCon引入香港，兩人便在PyCon HK結緣。

在2018年11月於數碼港舉行的PyCon HK 2018，郭俊豪更擔任講者之一。他透露，現時很多開發者，均以Python訓練模型。馮振華補充指出，Python的語言字眼，跟英文有點相似，相對容易上手，加上Python的軟件庫有不少套件（Package）可供取用，「很方便開發者編程來做他們想做的事」。

商業化需時 先開源供取用

發掘到深感興趣的科技範疇，加上已在銀行IT部門工作十多年，郭俊豪開始思考新發展方向。2018年夏天，他跟3名拍檔一同開設科技公司世閣（SEBit），主打立體視覺技術，包括虛擬實境（VR）、擴增實境（AR）、建築資訊模型（BIM）以及人工智能（AI）。客戶有建築公司及政府部門，參與項目如試行以AI分析街燈毛病。

對郭俊豪而言，朝向AI癌症診斷發展本是他的更大心願，惟暫未遇到合適拍檔，例如醫生。他解釋，香港醫學界一般是憑肉眼，直接透過顯微鏡觀察切片影像，「好處是快，畢竟要將切片影像數碼化需一定時間；而且（用傳統顯微鏡和肉眼）可以從細胞厚度等，找出一些額外的資訊。」故他認為，以AI診斷癌症病理的技術，在香港暫時仍有待商業化。未來會好好整理自己的研究，在GitHub等平台開源，讓其他有興趣人士取用。

輔助醫生 減輕人手負擔

綜合幾次參加國際性AI醫療科技大賽的經驗，郭俊豪認為，AI有時會出現Overfit（過度訓練）的情況，即是Hypothesis（假設）過度貼近Training Data。當要辨識之前未接觸過的Testing Data時，準確度即會打折扣，未必可預測到真實結果。

如此一來，AI要正式在醫學上廣泛應用、用作診斷病人，豈非遙遙無期？郭俊豪直言「咁講只啱一半」，坦言AI是要輔助醫生找出病人潛在風險，最終確診病人有病與否、決定治療方案等仍是醫生，「很多位可以幫輕人手，但不是取代。」

採訪、撰文：陳子健

支持EJ Tech

如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。