2月3日，騰訊聯(lián)合深圳大學(xué)，研發(fā)并上線了一批“特殊”的驗證碼，與其他常見的圖片驗證碼不同，它們?nèi)坑汕逡簧暮诎谆覉D片構(gòu)成。

這批驗證碼全名為“MedCAPTCHA 醫(yī)學(xué)圖像驗證碼”，由騰訊安全平臺部和深圳大學(xué)生物醫(yī)學(xué)工程學(xué)院合作研發(fā)，驗證中所用到的圖片，全部來自于臨床上真實的脫敏醫(yī)學(xué)圖像，通過驗證碼的形式開放給廣大網(wǎng)民自愿體驗及參與標注。

雙方期望運用技術(shù)的力量，解決社會醫(yī)療流程和資源存在的痛點，讓醫(yī)療影像的標注和診斷變得更加高效和準確，進而減少病人延誤診斷或漏診的情況。

目前，在騰訊防水墻官網(wǎng)灰度上線后，已有近萬名用戶體驗了MedCAPTCHA醫(yī)學(xué)圖像驗證碼，累計貢獻了近2萬條正確標注的醫(yī)學(xué)圖像數(shù)據(jù)，項目也在持續(xù)迭代優(yōu)化中。

MedCAPTCHA醫(yī)學(xué)圖像驗證碼已在騰訊防水墻官網(wǎng)灰度上線

醫(yī)學(xué)診療和研究的“路標”

在醫(yī)學(xué)上，90%的臨床診斷需要借助經(jīng)過標注的醫(yī)學(xué)影像——病灶和相關(guān)器官的有效標注數(shù)據(jù)，能幫助醫(yī)生在疾病診斷、病情評估、發(fā)展趨勢預(yù)測、治療策略制定等方面，提供重要的定量化信息。

被標注的醫(yī)學(xué)圖像，融入了專家的經(jīng)驗知識與判斷，能夠縮減廣大醫(yī)務(wù)人員的重復(fù)工作和勞動時間，還可以應(yīng)用在AI輔助醫(yī)學(xué)診斷等領(lǐng)域，有效推動醫(yī)學(xué)研究和臨床診療的高效開展。

但現(xiàn)階段對于有限的醫(yī)務(wù)人力資源而言，醫(yī)學(xué)圖像的勾畫標注，是一項相當龐大而繁雜的工作。僅僅是針對單個病人的一組醫(yī)學(xué)圖像，簡單的需要半小時完成勾畫，復(fù)雜的則要花上一兩小時。

在過去的四十年中，學(xué)術(shù)界和工業(yè)界的研究人員研發(fā)了大量基于人工智能輔助的半自動甚至全自動的標注算法，但是這些算法模型，往往需要經(jīng)過足夠多的標注醫(yī)學(xué)圖像數(shù)據(jù)訓(xùn)練，才能達到普適性更強、準確度更高的分類或診斷效果。因此，快速獲取海量的、具有準確標注的醫(yī)學(xué)圖像數(shù)據(jù)，對醫(yī)療領(lǐng)域來說困難且迫切，僅僅依靠少數(shù)專業(yè)醫(yī)務(wù)者或醫(yī)學(xué)研究人員的力量遠遠不夠。

安全驗證技術(shù)與醫(yī)學(xué)的跨界融合

驗證碼是一種人機識別手段，其主要作用是防止垃圾注冊、刷量刷票、論壇灌水等惡意行為。從安全角度出發(fā)，其主要意義是降低某一些用戶用特定程序暴力破解方式進行網(wǎng)站登錄，獲取相關(guān)驗證用戶的信息，保證用戶的信息安全。

公開數(shù)據(jù)顯示，全球網(wǎng)民每日累計輸入驗證碼近2億次，而我國網(wǎng)民規(guī)模超過9.4億。按照這一數(shù)據(jù)估算，如果借助龐大網(wǎng)民群體的力量，就能夠在1小時內(nèi)勾畫完成4家大型醫(yī)院整整一年所需的醫(yī)學(xué)圖像標注量。

基于這一想法，騰訊安全平臺部防水墻團隊與深圳大學(xué)醫(yī)學(xué)工程學(xué)院高毅教授團隊合作研發(fā)并灰度上線了“MedCAPTCHA醫(yī)學(xué)圖像驗證碼”公益實踐項目，供廣大網(wǎng)民自愿體驗。研發(fā)人員把深圳大學(xué)提供的未經(jīng)標注的海量脫敏醫(yī)學(xué)圖像，以圖片驗證碼的形式上線防水墻官網(wǎng)。

MedCAPTCHA在線驗證模式

在這個自愿體驗的安全驗證環(huán)節(jié)中，用戶只需要參照給出的圖片示例“照貓畫虎”，移動鼠標在圖片上進行簡單勾畫，就能完成在線驗證，并成功提供了一次醫(yī)學(xué)圖像標注答案。

針對嚴肅而細致的醫(yī)學(xué)研究及診療場景，人機驗證模式讓廣大網(wǎng)民參與到醫(yī)學(xué)圖像標注的初篩工作中來。而對于收集到的圖像標注信息，專業(yè)醫(yī)學(xué)研究人員會在后臺對收集到的圖像標注信息進行融合和篩選處理，最終將質(zhì)量最優(yōu)的數(shù)據(jù)提供給大數(shù)據(jù)工作者和醫(yī)生群體。

人工識別標注的結(jié)果，將為公共醫(yī)療統(tǒng)計、精準醫(yī)療分析提供可靠的、核心的影像特征基礎(chǔ)，還可以作為機器學(xué)習的訓(xùn)練樣本，促進人工智能在醫(yī)療領(lǐng)域的更多應(yīng)用。該公益項目也正在聯(lián)合騰訊用戶研究與體驗設(shè)計團隊（CDC）持續(xù)迭代優(yōu)化中。

即使是不具備任何專業(yè)醫(yī)學(xué)知識的普通網(wǎng)民，也能起到至關(guān)重要的作用，共同助力醫(yī)療影像的標注和診斷變得更高效、更準確。