“ 人工智能技术来帮助医师更好的鉴别肿瘤的类型，更快更准确的为患者制定治疗及随访计划”
眼睑肿瘤
眼睛是人类洞察世界的关键器官，眼睑则是保护眼睛的重要结构。日常生活中，揉眼习惯、过强紫外线照射以及不健康饮食等诸多因素容易诱使眼睑部位生长肿瘤，即眼睑肿瘤。
眼睑肿瘤有良恶性之分，其治疗方案完全不同：良性肿瘤早期体积较小无需处理，而恶性肿瘤一旦确诊除手术切除外，还需放疗、化疗和靶向治疗等辅助治疗，同时随访观察，避免癌灶转移
在我国，眼睑基底细胞癌（Basal Cell Carcinoma，BCC）与皮脂腺癌（Sebaceous Carcinoma，SC）是最为常见的两种眼睑恶性肿瘤，分别占据眼睑恶性肿瘤的41.82%与41.55%。
A图是基底细胞癌，B图是皮脂腺癌
BCC的转移率与死亡率较低（分别为0.0028%与0.5%），患者术后五年内每年随访一次即可；而SC的转移率高出BCC数千倍（达到21%），且死亡率也高出其数十倍（为7.5%），患者术后一个月、三个月、六个月均需随访，且需保证五年内每半年随访一次。
如何精准判断肿瘤的类别
眼睑基底细胞癌（Basal Cell Carcinoma，BCC）与皮脂腺癌（Sebaceous Carcinoma，SC）外观上二者均表现为孤立的实体结节，且均伴有纤毛缺失（如图1中a和b所示），难以肉眼区分，必须借助组织病理学分析进行鉴别。但二者均来源于毛囊皮脂腺，细胞组织形态相似，病理医师显微镜下肉眼鉴别难度大，特别是当肿瘤细胞组织分化较差时，病理诊断不仅耗时，而且极易误判。
为了解决眼睑肿瘤精准鉴别需求，上海交通大学医学院附属第九人民医院眼肿瘤团队提出了一种全自动智能化病理图像分类方法。团队基于深度学习方法，采用迁移学习策略，构建图像块预测模块，精确计算图像块的肿瘤类型概率，实现了细粒度水平下病理组织切片的数字化定量解读；最终实现了眼睑肿瘤类型精准鉴别。
借助所提方法，病理医师的鉴别准确率均有提升，特别是低年资病理医师的诊断准确率提升近30.0%。
全自动智能化的眼睑肿瘤病理鉴别方法流程图
眼睑肿瘤病理鉴别典型特征
所有的人工智能学习判断的基础都是大量临床经验的积累
医生是指导计算机进行学习和优化的基础
其实我有经验的医生肉眼观察肿物也会有比较准确的判断，所以如果怀疑眼睑肿瘤的患者，还是要找眼肿瘤专业的医师的专科门诊查看一下哦。
我们的许诗琼医师是专门从事眼肿瘤的诊治
