诊断|AI赋能医疗数字化进程 透彻影像切入病理诊断领域
_原题为 AI赋能医疗数字化进程 透彻影像切入病理诊断领域
每经采访人员：任飞肖芮冬
长期以来 ， 病理科医生的匮乏 ， 不仅会使医院专科化的发展存在短板 ， 也对患者的病情诊断和健康管理带来隐患 。
除了远程诊断外 ， 业界已经开始谋求AI赋能病理诊断 ， 通过搭建基于深度学习模型的人工智能系统 ， 呈现初步诊断结果 ， 辅助病理医生决策 。 透彻影像目前就正在攻关这一领域 ， 在提高诊断效率与准确率的同时 ， 也为我国病理医生队伍的培养赢得更多宝贵时间 。
病理诊断人才供需困境
提及病理领域的供需困境 ， 在透彻影像CTO王书浩看来 ， 相比于物料和钱财的供给 ， 人才不足才是致命的 。 当中的供需之“殇”在于病理学诊断 。 他告诉采访人员 ， 我国的病理医生非常短缺 ， 目前大约有1万多名职业病理医师 。 根据相关规定 ， 每百张床至少要有1~2名病理医生 ， 而按这个标准来计算 ， 我国病理医生的缺口至少在6万~9万人 。关于病理学诊断的重要性 ， 王书浩指出 ， 恶性肿瘤是全球第二大死因 ， 病理学诊断被认为是最高级别、最可靠的肿瘤诊断方法 ， 是癌症确诊和治疗的基本依据 。 即使是常规手术 ， 病理学诊断也是必备的环节之一 ， 而病理医生的诊断 ， 被视为病情的终极判断 。 病理医生的培养要求和标准都远高于一般专科医生 ， 一般需要10年资历才有独立签发病理报告的资格 。
因此 ， 增加国内医疗体系中病理科人才储备的同时 ， 如何利用有限资源优化病理诊断环节 ， 达成供需平衡 ， 成为了现实课题 。 王书浩告诉采访人员 ， 虽然技术手段可以辅助病理诊断环节 ， 但由于个体病灶差异明显 ， “要想通过技术手段辅助 ， 必须要有深度学习的底层技术加以赋能 ， 才能尽可能提高诊断效率和准确度” 。
尽管越来越多的医院开始重视病理科发展 ， 不少也在探索基于数字病理的远程会诊 。 但从生产力与生产关系的角度看 ， “大部分远程会诊是把病例上传到云平台 ， 由病理专家出具权威的诊断报告 。 这样做虽然优化了送检效率 ， 但并没有从根本上改善病理医生供不应求的现状” 。
图像分割模型建AI平台
所以 ， 针对病理诊断AI化的探索 ， 王书浩认为势在必行 。 通过搭建相应的深度学习模型 ， 可以为有限的病理医生减轻巨大的前期诊断压力 ， 守护患者的生命健康 。
如今 ， 围绕病理诊断的人工智能研究已经开始涌现 ， 但从模型的诊断结果来看 ， 效果却不尽相同 。 王书浩告诉采访人员 ， 透彻影像致力于使用大数据及人工智能来提供疾病的智能判别、诊断、预测服务 ， 与采用图像分类的方法来构建病理分析模型不同 ， 其采用图像分割的方法来获得像素级的预测结果 ， 更符合病理医生临床使用的需求 。 他表示 ， 这样做可以有效地提高模型分析准确率 ， 系统可以精确地给出病变区域 ， 拥有良好的可解释性 。
在近日Nature Communications平台发表的一篇论文中 ， 透彻影像联合中国医学科学院肿瘤医院、北京协和医院等 ， 提炼了可应用于临床诊断的病理人工智能系统需要满足的若干必要条件：深度学习模型需要通过多款病理切片扫描仪所获得数千张连续样本的测试 ， 敏感度应当接近100% ， 特异性超过80%；通过人工智能系统的辅助 ， 病理医师在不延长诊断时效的基础上 ， 能够提高诊断的准确率；人工智能辅助诊断系统需要经过来自多家医院病理切片的多中心验证 ， 以确保系统在不同医院运行时的稳定性 。
王书浩表示 ， 透彻影像研发的针对胃、肠、肺、前列腺、淋巴结等器官的病理辅助诊断系统能够满足以上的要求 。 公司目前拥有两大产品线 ， Thorough Insights（透彻洞察）与Thorough Map（透彻深视） 。 前者定位为人工智能数字化病理诊断平台 ， 能够通过深度学习完成数字病理切片的智能诊断 ， 自动生成结构化诊断报告；后者是人工智能精准病理诊断平台 ， 是手术（包括微创手术）组织样本的可视化、定量化病理诊断平台 。
高研发投入筑核心竞争力
值得注意的是 ， Thorough Insights系统可以兼容市面上超过95%的扫描仪品牌 ， 能够应用于绝大部分医疗机构 。 此外 ， 不同于CT、X光等放射影像 ， 病理影像的体积通常都在500MB至2GB ， 并且信息量大 ， 对包含GPU的运算系统的整体架构提出了很高的挑战 ， 系统需要支持多服务器、多GPU的拓展 。 目前 ， 研发团队开发的异构分布式的人工智能病理辅助诊断系统可在20秒内完成单张1GB数字切片的快速分析 ， 能够满足病理科的日常诊断需求 。
王书浩介绍 ， 透彻影像研发投入的占比达到了公司总投入的85% ， 并表示在后续的公司发展进程中将持续重视研发 ， 把前沿技术视为公司的生命线 。
据悉 ， 透彻影像已建立完整的人工智能模型学习流水线 ， 能够在两天内完成从原始数据（亿级样本）到深度学习模型的训练过程 。 王书浩表示 ， 公司已将数据预处理、模型训练、模型测试等流程全部自动化 ， 能够让研发人员在短时间内同时进行多个器官模型的训练与测试 。 在他看来 ， 这不仅可以提高产品的研发速度 ， 也能够大幅降低未来的研发成本、提高研发效率 。 透彻影像致力于为行业内的所有合作伙伴提供病理人工智能服务 ， 所服务的客户既包括各级医院 ， 也包括第三方实验室 。
推荐阅读
- 分析|健投会：医疗产业智能化升级分析
- 消息资讯|独家获得RPIDD技术知临集团分子诊断领域获突破
- 助推|杨德龙等：京东健康IPO将助推互联网健康医疗产业发展
- 解决方案|美图人工智能修图解决方案，赋能影像新动力
- 传播|5G 赋能未来传播：变革的前瞻
- 跨境|跨境电商提速 赋能外贸转型
- 卓越医疗中心|泰国将投入626亿泰铢建立六大“卓越医疗中心”
- |B站COO李旎谈《风犬》，用文化生态赋能优质内容
- 多多|拼多多、百度携手同步首发小度新品，“百亿补贴”政策持续赋能
- 莱索托|中国政府赴莱索托抗疫医疗专家组完成任务转赴安哥拉