标准化、平台化、产品化….病理AI如何走完“最后一公里”？( 三 ) &emsp

现阶段的病理AI落地遭遇了哪些困难?

医学影像具有高维高密的特点,在主题为《医学影像+人工智能的特点、技术与趋势》的远程演讲中,中国科学院计算技术研究所研究员周少华指出,现阶段数据差异性大、存储分散、大批量标注数据少、样本多模态、对应疾病类型多样等难题。不过,周少华表示,前述难题都存在对应的趋势性技术,学术界、医疗机构和产业界应当通力合作。

江丰生物布局国内市场近9年,是国内供货量最大的数字病理扫描设备厂商之一。 2019年5月,江丰生物基于数据积累自主开发的宫颈癌筛查产品获得了第二类医疗器械注册证。不过,江丰生物董事长刘炳宪认为,目前病理AI仍处于初级阶段,他同样提示了多点合作的重要性。

由于缺乏统一的标注标准,基于不同医生、医疗机构,甚至试剂耗材构建的病理AI模型并不具有可复用性。迪英加科技董事长杨林表示,在一次尝试将模型训练中敏感度99.5%的高特异性产品推向市场的过程中,他们甚至曾得到过准确率与产品参数完全不一致的负面反馈,“与病理专家讨论与交流比想象复杂,AI落地面临包括模型分析能力、数据非标、医疗服务收费标准等许多问题,需要专家与企业一起努力。 ”

人工智能并不是现在才开始结合各个行业,深思考CEO杨志明指出,看似一件事很简单,比如宫颈癌细胞学筛查,会越做越深入就越难。一个普遍存在的窘境是,AI不懂病理、细胞病理不懂AI,无法产业化,彼此结合至关重要。不过,杨志明相信,现阶段是病理AI“黎明前的5、6点”,突破即将到来。

据调查,在医生的使用率方面,影像方面已经非常高了,医生点击率已超过80%,视见科技CEO陈浩用数据验证了杨志明的观点,“AI证明了自己的价值在在某些细分领域。 ”

医生需求不一样,对模型的要求也不一样,卫宁健康人工智能总监刘鸣谦指出,新产品、新技术打通应用路径的过程中,填平鸿沟、构建桥梁也很重要。基于此,算法可能是病理AI整个链条中非常小的一个问题,她认为,有很多其他问题需要行业合作解决。

未来2~3年,病理AI将如何发力?

正如步宏教授所言,病理AI要在使用中完善。阿里云市场营销和公共事务总经理刘湘雯指出,病理AI是很窄很垂直的领域,但从从技术到医生会涉及非常长的产业链,开发AI的人找到自己的位置要产生业务价值。具体到病理AI,就是要节约医生的时间和医疗成本。

那么,完善的路径会是怎样的?参会嘉宾纷纷给出了他们的方案。

病理AI应用落地应该先易后难,赛诺特创始人齐华认为,从好识别、容易定量化的标志物做起。通常,试剂厂商都有成熟的商业模式,齐华建议,可以直接将AI产品与试剂组合,让AI有变现通道的同时提高了试剂的竞争力。

考虑到外部环境可能产生的影响,易普森首席算法科学家周旭呼吁国内硬件厂商多研发病理AI的基础元器件,尽快把国产设备做大做强。兰茜生物技术负责人韩方剑则表示,最现实的一件事,服务好病理医生,获得医生认可。

商汤科技智慧健康病理产品负责人黄晓迪指出,可以用更平台化的思路去解决病理AI落地的问题,从区域到医院,再到科室,将影像科与病理科数据打通,通过不同数据模态间的融合真正地推动数字病理进化的过程。