2019年11月6日,PathAI宣布完成1500萬美元B+輪融資,而今年4月也剛完成6000萬美元B輪融資。本次融資由LabCorp領(lǐng)投,默克全球健康創(chuàng)新基金(Merck GHIF)和百時美施貴寶(Bristol-Myers Squibb)跟投。此次融資資金將被用于擴(kuò)大人工智能診療技術(shù)的臨床應(yīng)用,并加強(qiáng)公司團(tuán)隊(duì)的臨床開發(fā)能力。PathAI將繼續(xù)專注癌癥治療領(lǐng)域,為患者提供新的療法。

PathAI成立于2016年,專注于開發(fā)AI驅(qū)動的病理學(xué)研究工具,利用人工智能改進(jìn)癌癥診斷技術(shù)。自成立以來,PathAI的獲投總額已超過9000萬美元。整個AI+病理在2019也迎來了投資熱潮,截止11月,融資事件數(shù)已經(jīng)達(dá)到14起,比2018年增加27%。

對于數(shù)字病理行業(yè)來說,11月6日或許是個黃道吉日。也是在這一天,AI+數(shù)字病理的代表企業(yè)Proscia的Concentriq Dx解決方案也通過了歐盟CE認(rèn)證。

不僅如此,美國數(shù)字病理學(xué)初創(chuàng)公司Paige.AI旗下利用AI診斷癌癥的平臺在今年3月剛剛獲得了FDA授予的“突破性設(shè)備”稱號。

這一切都顯示,數(shù)字病理在最近迎來了一個春天。動脈網(wǎng)也對這一領(lǐng)域的最新進(jìn)展進(jìn)行了整理。

從病理到數(shù)字病理,再到AI+數(shù)字病理

病理學(xué)被“現(xiàn)代醫(yī)學(xué)之父”威廉·奧斯勒稱為“醫(yī)學(xué)之本”,而病理醫(yī)生被認(rèn)為是“醫(yī)生的醫(yī)生”。病理學(xué)的含金量自然不言而喻,其診斷的準(zhǔn)確與否直接影響患者的健康和命運(yùn)。

數(shù)字病理(Digital Pathology)是指將計算機(jī)和網(wǎng)絡(luò)應(yīng)用于病理學(xué)領(lǐng)域,將現(xiàn)代數(shù)字系統(tǒng)與傳統(tǒng)光學(xué)放大裝置有機(jī)結(jié)合的技術(shù)。它通過全自動顯微鏡或光學(xué)放大系統(tǒng)掃描采集得到高分辨數(shù)字圖像,再應(yīng)用計算機(jī)對得到的圖像自動進(jìn)行高精度多視野無縫隙拼接和處理,獲得優(yōu)質(zhì)的可視化數(shù)據(jù),以應(yīng)用于病理學(xué)的各個領(lǐng)域。

圖片來自《J Pathol Inform》

利用高通量的自動化數(shù)字病理掃描儀可以在明亮的視野或熒光條件下以與顯微鏡相當(dāng)?shù)姆糯蟊稊?shù)捕獲整個玻璃載玻片,也可以使用專用的數(shù)字病理軟件通過網(wǎng)絡(luò)共享數(shù)字切片。自動化的圖像分析工具也可用于協(xié)助組織切片內(nèi)生物標(biāo)志物表達(dá)的解釋和定量。

數(shù)字病理的歷史可以追溯到100年前,當(dāng)時首次使用專用設(shè)備將顯微鏡下的圖像捕獲到膠片上。將顯微鏡圖像傳輸?shù)竭h(yuǎn)程設(shè)備的電子病理也已經(jīng)存在了將近50年——1965年,Prewitt和Mendelsohn將顯微鏡下的光學(xué)影像進(jìn)行掃描,并以數(shù)字化方式重建出來。不過,當(dāng)時的數(shù)字顯微鏡價格高達(dá)30萬美元,且需要差不多一天的時間才能掃描完一張玻片,幾乎不具有太多的實(shí)用性。

直到過去十年,隨著全切片成像(WSI,Whole Slide Image)技術(shù)、軟件接口及網(wǎng)絡(luò)的進(jìn)步,數(shù)字病理學(xué)才開始經(jīng)歷真正的數(shù)字化轉(zhuǎn)變,被完全整合到病理學(xué)工作流程中。相較以往,數(shù)字病理為病理醫(yī)生提供了清晰度更高、具有一致性且更易操作的圖像,使他們能夠快速通過遠(yuǎn)程參與評估和協(xié)作,從而提高效率和生產(chǎn)率。

全切片成像是數(shù)字病理中的重要一環(huán)。當(dāng)前用于全切片成像數(shù)據(jù)管理的軟件系統(tǒng)和方法來自上世紀(jì)九十年代,其最初的動機(jī)是分析、可視化及查詢衛(wèi)星遙測獲得的超大規(guī)模數(shù)據(jù)。利用這一軟件系統(tǒng),由衛(wèi)星采集的超大規(guī)模原始數(shù)據(jù)可與合適的地理空間區(qū)域關(guān)聯(lián),與空間有關(guān)的數(shù)據(jù)可加以匯總并可生成有用的數(shù)據(jù)。

在此背景下,當(dāng)時還在馬里蘭大學(xué)帕克分校的Saltz博士帶領(lǐng)的小組研發(fā)出活動數(shù)據(jù)存儲庫系統(tǒng)(ADR,Active Data Repository),可以優(yōu)化存儲,從而對超大規(guī)模的多維數(shù)據(jù)進(jìn)行聯(lián)合檢索和處理。這項(xiàng)成果獲得了美國國家科學(xué)基金會大挑戰(zhàn)獎。

此時,杜克大學(xué)病理學(xué)主席Sal Pizzo正在考慮在解剖病理學(xué)中使用計算機(jī)來替代顯微鏡。在與Sal Pizzo討論后,Saltz博士意識到這項(xiàng)用于處理地球遙測數(shù)據(jù)的技術(shù)也可以用于處理病理學(xué)中全切片成像生成的超大規(guī)模數(shù)據(jù)集。這也為接下來虛擬顯微鏡的研發(fā)奠定了基礎(chǔ)。

1996年,Saltz博士開始虛擬顯微鏡的研究項(xiàng)目時,全切片掃描儀還沒有問世。只能通過將顯微鏡掃描獲得的成像一片片拼接起來。雖然James Bacus在1994年便開始設(shè)計全切片成像病理掃描儀,但直到1997年,他創(chuàng)立的BLI(Bacus Laboratoties Inc.)才發(fā)布了第一臺全切片成像病理掃描儀。

2006年,奧林巴斯宣布收購BLI,將奧林巴斯在顯微鏡硬件上的專長與BLI賴以成名的全切片成像虛擬顯微鏡技術(shù)相結(jié)合,打造出了實(shí)驗(yàn)室急需的一站式成像方案。

另外一家值得一提的公司是InterScope Technologies,它在1998年由Michael Becich博士等人與匹茲堡大學(xué)醫(yī)學(xué)中心合建。在多次并購后,最終在2007年被卡爾·蔡司收入囊中。

如今的全切片成像系統(tǒng)已經(jīng)成為了光學(xué)器件、機(jī)器人和計算機(jī)的集大成者。這類設(shè)備通常包括帶有一個或多個物鏡的顯微鏡、用于掃描獲取顯微鏡成像的數(shù)碼相機(jī)或機(jī)器人、包括顯示器在內(nèi)的工作站以及許多其他部件。

盡管全切片成像技術(shù)的進(jìn)展很快,但在臨床實(shí)踐中采用全切片成像技術(shù)的速度相對慢很多。技術(shù)、文化、金融以及監(jiān)管等多方面因素是造成這一局面的主要原因。尤其在監(jiān)管上,FDA將AI輔助診斷劃為Ⅲ類設(shè)備,意味著這類產(chǎn)品需要經(jīng)過嚴(yán)格的臨床程序才可獲批。

圖片來自《Nature》

一直到2017年4月,飛利浦用于外科病理學(xué)初步診斷的IntelliSite Pathology Solution才成為首款獲得FDA證的全切片成像整體系統(tǒng)。這也為其他創(chuàng)新性病理設(shè)備通過FDA認(rèn)證鋪平了道路。越來越多的病理機(jī)構(gòu)開始考慮更換設(shè)備,快速增長的市場使得越來越多的AI公司開始嘗試用AI來重構(gòu)數(shù)字病理。

在公開的報道中,全切片數(shù)字成像的首次應(yīng)用起于2018年Mukhopadhyay等人的一項(xiàng)實(shí)驗(yàn),他對全切片數(shù)字成像和常規(guī)顯微鏡的診斷性能進(jìn)行了首次大規(guī)模的盲測比較。這次實(shí)驗(yàn)包括來自1,992名不同腫瘤類型的患者的標(biāo)本,由16名外科病理學(xué)家分別通過全切片數(shù)字成像和傳統(tǒng)顯微鏡進(jìn)行盲測比對。測試表明,全切片數(shù)字成像的主要診斷性能不遜于傳統(tǒng)基于顯微鏡的方法。

值得一提的是,全切片成像技術(shù)也促進(jìn)了通用歸檔技術(shù)(VNA,Vendor-Neutral Archive,也被翻譯為供應(yīng)商中立歸檔)的發(fā)展。這項(xiàng)技術(shù)為醫(yī)用圖像的存儲歸檔提供了標(biāo)準(zhǔn)的接口和格式,即使這些圖像來自不同品牌的成像系統(tǒng)。

這就使得用戶可以通過VNA來輕松訪問不同品牌的PACS(Picture Archiving and Communication Systems)系統(tǒng)。在以往,不同品牌的PACS具有各自獨(dú)特的格式和接口,彼此之間無法兼容,需要進(jìn)行繁瑣的轉(zhuǎn)換才可以訪問。

因?yàn)樯虡I(yè)利益的原因,各個品牌傾向于打造封閉式的生態(tài),使用獨(dú)有的協(xié)議和接口,這也導(dǎo)致了醫(yī)療機(jī)構(gòu)中的一個個“數(shù)據(jù)孤島”。

盡管VNA理論上可以兼容所有醫(yī)療圖像接口和格式,但實(shí)際的情況與理想中還有一些差距。目前,仍然沒有任何VNA可以處理所有的圖像格式類型對接所有的圖像系統(tǒng)接口并處理圖像格式。與此同時,VNA的定義仍然存在一些爭議,在有的圈子里,VNA被認(rèn)為與PACS相當(dāng)。

無論如何,隨著越來越多的企業(yè)開始兼容VNA,它的未來還是相當(dāng)值得期待的。

AI將重構(gòu)數(shù)字病理

盡管數(shù)字病理在過去十年有了明顯的進(jìn)步,成像速度、質(zhì)量以及使用便利都有了巨大的提高,但最終診斷依然需要病理醫(yī)生的判斷。這本身就是一個巨大的問題。

根據(jù)相關(guān)統(tǒng)計,目前我國有執(zhí)照的病理科醫(yī)生接近1萬人。按照國家衛(wèi)健委每100張病床配備1至2名病理科醫(yī)師的配置要求計算,病理醫(yī)生缺口高達(dá)9萬人。無疑,每個病理醫(yī)生都承擔(dān)了5-10倍的常規(guī)工作量,誤診、漏診也就在所難免。

不光是我國,發(fā)達(dá)國家同樣遇到了這一難題。根據(jù)JAMA Network Open發(fā)布的《Trends in the US and Canadian Pathologist Workforces From 2007 to 2017》一文的統(tǒng)計,2007至2017年間,美國病理醫(yī)生的絕對數(shù)量從15568人下降到12839人;相對數(shù)量也直線下降,每10萬人中病理醫(yī)生的數(shù)量從5.16人下降到3.94人。根據(jù)每年新增癌癥病例進(jìn)行調(diào)整后,美國病理醫(yī)生的診斷工作量增加41.73%,說明美國病理醫(yī)生處于短缺,且短缺程度與日俱增。

制約病理醫(yī)生資源發(fā)展的因素不僅僅是龐大的工作量,工作壓力大、工作環(huán)境差、收入待遇低、培養(yǎng)周期長等因素都嚴(yán)重影響了病理教學(xué)師資。全世界的病理醫(yī)師新生力量呈現(xiàn)“斷崖式”短缺。

病理學(xué)主要依賴顯微鏡下人眼的觀察。通過人眼辨識癌細(xì)胞,基于其細(xì)胞核、細(xì)胞質(zhì)和細(xì)胞膜等明顯相似特性(顏色、密度和大小形狀等)及其區(qū)域邊界的細(xì)微變化特征進(jìn)行判斷。在數(shù)字切片問世前,醫(yī)生需要長期觀察顯微鏡,工作量之大可想而知。

數(shù)字切片則是由離散像素組成的圖像,各種特征可以在顯示器上準(zhǔn)確計算出來。這一技術(shù)的確大大方便了病理醫(yī)生的審片。盡管如此,一張合格的病理玻片最少包含5000個細(xì)胞,多則幾萬個細(xì)胞。對于病理醫(yī)生來說,區(qū)別是從顯微鏡上尋找目標(biāo)轉(zhuǎn)變?yōu)樵陲@示器上尋找目標(biāo),一百步笑五十步而已。

AI技術(shù)的引入可以極大程度地解決這個問題。有深度學(xué)習(xí)支撐的人工智能能夠以迅速、標(biāo)準(zhǔn)化的方式處理醫(yī)學(xué)影像,對可疑影像進(jìn)行勾畫、渲染,并以結(jié)構(gòu)化的語言提出建議。

這些工作精力消耗大,重復(fù)性高,而AI不受制于工作性質(zhì)。實(shí)踐證明,在AI的幫助下,病理醫(yī)生不僅可以提高診斷效率、減輕工作量;還能改善病理醫(yī)生工作環(huán)境,最終降低誤診、漏診率。

AI在數(shù)字病理中的應(yīng)用與其在其他醫(yī)療影像領(lǐng)域的應(yīng)用方式并無本質(zhì)區(qū)別。這需要多位病理專家進(jìn)行高質(zhì)量標(biāo)注,確保模型可以對各種病變細(xì)胞的形態(tài)進(jìn)行充分的學(xué)習(xí)�；�于這些圖像塊級別的標(biāo)注,AI模型先對樣本進(jìn)行初步分類,高效區(qū)分陽性細(xì)胞密度較高的樣本。

然后,AI模型再進(jìn)一步對陽性細(xì)胞進(jìn)行精準(zhǔn)識別,確保在陽性細(xì)胞密度較低的樣本上仍能獲取準(zhǔn)確的輔助判讀結(jié)果。為確保結(jié)果無誤,AI還需一并選取一系列可疑的局部視野,交由病理醫(yī)生最終復(fù)閱。

AI在哪些方面可以為數(shù)字病理賦能?

目前,人工智能技術(shù)在病理學(xué)中應(yīng)用廣泛,定量分析為病理診斷提供了一系列定量化指標(biāo),彌補(bǔ)了醫(yī)生主觀經(jīng)驗(yàn)中的不可預(yù)測因素,提高了病情診斷的準(zhǔn)確性。除了病理診斷,乳腺癌、宮頸癌等早癌篩查以及病理與新藥研發(fā)等領(lǐng)域也成為了數(shù)字病理+AI的布局重點(diǎn)。

輔助病理診斷

正如前面所說,病理診斷是疾病診斷中的“金標(biāo)準(zhǔn)”。尤其是在腫瘤確診中,病理診斷極其重要�；�本上可以說,病理科診斷水平很大程度上決定了醫(yī)院診療水平。通常疾病的第一份診斷報告都出自病理診斷。因此,醫(yī)生對于患者做出的治療措施,80%受病理學(xué)報告的影響。

數(shù)字顯微設(shè)備可以對整張病理切片進(jìn)行高質(zhì)量全數(shù)字化掃描,形成數(shù)字切片后經(jīng)AI實(shí)現(xiàn)動態(tài)觀察和輔助診斷,篩除大量陰性數(shù)據(jù),降低病理醫(yī)生的閱片量。使其可以花更多的時間在疑似陽性的數(shù)據(jù)及更棘手的病例上。

懷疑存在腫瘤的患者,不論疾病的具體癥狀是表現(xiàn)出良性特征還是惡性特征,都可進(jìn)行數(shù)字病理檢查。除腫瘤外,一些特殊的疾病如結(jié)核;以及特殊的變態(tài)反應(yīng)性疾病比如一些腎炎、腎病也可通過數(shù)字病理檢查來輔助診斷。

在這個應(yīng)用方向上,國內(nèi)從事影像數(shù)據(jù)分析的AI企業(yè)幾乎都有所涉足。包括透徹影像、深思考和迪英加都是其中的典型代表。

當(dāng)然,不要忘記器械巨頭們。相比單獨(dú)設(shè)計的用于解析病理影像的AI軟件系統(tǒng),從一開始就軟硬結(jié)合,在影像采集時就植入AI顯然是更好的選擇。傳統(tǒng)的器械巨頭以及如Leica Biosystems和卡爾·蔡司這樣依靠光學(xué)器件在病理領(lǐng)域具有較強(qiáng)話語權(quán)的企業(yè)都有相應(yīng)的布局。我國的福怡股份和智影醫(yī)療也是其中的代表。

新藥研發(fā)

利用病理數(shù)據(jù)不光可以進(jìn)行診斷,也可以用于分析新藥效果,從而幫助新藥研發(fā)。在沒有AI前,只能憑借研究人員的感覺大致估量病變的范圍,無法對病理切片進(jìn)行定量分析。AI的出現(xiàn)使組織細(xì)胞的精準(zhǔn)計數(shù)成為可能。

借助AI的幫助,研究人員能夠迅速精確地獲取一段時間內(nèi)切片的病變細(xì)胞數(shù)量、程度的數(shù)目及變化情況,從而觀察出臨床實(shí)驗(yàn)中的新藥對病灶會產(chǎn)生何種影響。更進(jìn)一步,研究人員可以利用AI觀察動物受藥后的組織細(xì)胞變化狀況,從而更加精確地指導(dǎo)藥物研發(fā)。

Reveal Biosciences、PathAI以及我國的知識視覺和志諾維思都是這一領(lǐng)域的代表。

第三方醫(yī)學(xué)檢查中心

第三方病理檢查機(jī)構(gòu)在發(fā)達(dá)國家已經(jīng)相當(dāng)成熟,在我國還是一個新興事物。根據(jù)2017年的數(shù)據(jù),我國獨(dú)立醫(yī)學(xué)檢驗(yàn)實(shí)驗(yàn)室的市場份額占整體醫(yī)學(xué)檢驗(yàn)市場規(guī)模不足5%;相較之下,日本、歐洲和美國的這一比例分別高達(dá)67%、50%和35%。據(jù)美國LabCrop年報數(shù)據(jù)顯示,2016年,美國臨床實(shí)驗(yàn)室檢測行業(yè)的收入高達(dá)80億美元。

正因?yàn)榇?衛(wèi)計委在2017年8月批準(zhǔn)了5類可由第三方獨(dú)立設(shè)置的醫(yī)療機(jī)構(gòu),包括醫(yī)學(xué)檢驗(yàn)實(shí)驗(yàn)室、病理診斷中心、醫(yī)學(xué)影像診斷中心、血液透析中心和安寧療護(hù)中心,并允許社會力量投資,連鎖化集團(tuán)化運(yùn)營。這使其成為國家實(shí)現(xiàn)分級診療、促進(jìn)公立醫(yī)院改革的重要手段,同時也是社會資本進(jìn)入醫(yī)療行業(yè)的重要落地形式。

人工智能技術(shù)和云病理平臺在最近的大量應(yīng)用則有望提升第三方醫(yī)學(xué)檢測中心的醫(yī)療實(shí)力,從而加速第三方病理診斷中心的發(fā)展。這一模式使得遠(yuǎn)程病理診斷更加方便,使數(shù)字病理從“概念上”的遠(yuǎn)程醫(yī)療逐漸過渡到實(shí)際應(yīng)用中,從而緩解基層醫(yī)療機(jī)構(gòu)病理檢驗(yàn)力量薄弱的現(xiàn)狀。

如今,國內(nèi)已有多家大型企業(yè)借助云平臺將AI病理診斷技術(shù)輸出于國內(nèi)外的醫(yī)學(xué)檢測中心。由衛(wèi)生部門及醫(yī)聯(lián)體主導(dǎo)的國內(nèi)遠(yuǎn)程病理診斷平臺包括中國數(shù)字病理遠(yuǎn)程診斷與質(zhì)控平臺、河南省遠(yuǎn)程病理會診平臺、寧波市臨床病理診斷中心等。

第三方檢驗(yàn)機(jī)構(gòu)也紛紛大力發(fā)展遠(yuǎn)程病理診斷平臺,如南方醫(yī)科大學(xué),廣州華銀醫(yī)學(xué)檢驗(yàn)中心,金域病理會診中心、迪安遠(yuǎn)程病理會診中心、衡道醫(yī)學(xué)和蘭丁高科都專注在這一領(lǐng)域。

資本市場愈發(fā)認(rèn)可AI+數(shù)字病理

近年來,將AI與數(shù)字病理相結(jié)合的企業(yè)越來越多。雖然無論從融資額度還是輪次上,AI+數(shù)字病理都無法與火熱的AI+醫(yī)療影像相比,但仍然呈現(xiàn)出可喜的上升趨勢。

根據(jù)動脈網(wǎng)知識庫的信息整理,最近3年間總共有33起該行業(yè)的融資事件,且呈現(xiàn)出逐年遞增的趨勢。

2017年和2018年該領(lǐng)域分別有8起和11起融資事件。而截止到2019年11月,已經(jīng)發(fā)生14起AI+病理的融資事件,熱度可見一斑。

監(jiān)管認(rèn)證在這兩年的歷史性突破應(yīng)該是其中一個主要的原因。2017年,FDA決定將與醫(yī)療影像結(jié)合的AI輔助診斷軟件系統(tǒng)由Ⅲ類醫(yī)療設(shè)備調(diào)整為Ⅱ類醫(yī)療設(shè)備,降低了準(zhǔn)入門檻,這大大促進(jìn)了行業(yè)的發(fā)展。

2017年4月,飛利浦的IntelliSite Pathology Solution成為首款獲得FDA證的WSI整體系統(tǒng),用于外科病理學(xué)的初步診斷。

2019年4月,從紀(jì)念斯隆-凱特琳癌癥中心(MSKCC)孵化而出,成立剛一年多時間的Paige.AI借助與MSKCC的合作結(jié)出了碩果——Paige.AI的AI癌癥診斷解決方案獲得了FDA授予的“突破性設(shè)備”稱號。這也是FDA首次批準(zhǔn)將AI用于癌癥診斷服務(wù)。

隨后,在2019年5月,英國腎臟疾病AI診斷公司RenalityixAI的KidneyIntelX也被FDA授予突破性設(shè)備稱號,成為市面上第一個獲此殊榮的的腎病AI診斷系統(tǒng)。

而在剛剛過去的2019年11月,Proscia用于輔助診斷的Concentriq Dx解決方案也獲得了歐盟CE認(rèn)證。

可以說,越來越多的AI+數(shù)字病理設(shè)備獲批,使得資本市場更具信心。

我國雖然目前還沒有一個AI輔助診斷的方案獲批,但監(jiān)管部門也一直在為此緊鑼密鼓地準(zhǔn)備著。2018年11月,國家藥監(jiān)局醫(yī)療器械技術(shù)審評中心就曾公開向境內(nèi)、外征集從事人工智能醫(yī)療器械產(chǎn)品的生產(chǎn)企業(yè)信息。這里的“人工智能醫(yī)療器械”特指在產(chǎn)品的工作流程優(yōu)化、數(shù)據(jù)處理和輔助診斷等方面采用“新一代人工智能技術(shù)”的醫(yī)療器械。其中,“新一代人工智能技術(shù)”就是指以深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)為代表的采用數(shù)據(jù)驅(qū)動方式訓(xùn)練算法的技術(shù)。

隨后,2019年2月,國家藥監(jiān)局醫(yī)療器械技術(shù)審評中心又發(fā)布《深度學(xué)習(xí)輔助決策醫(yī)療器械軟件審評要點(diǎn)(征求意見稿)》并公開征求意見,也意味著三類AI醫(yī)療器械的審評標(biāo)準(zhǔn)已離落地不遠(yuǎn),產(chǎn)業(yè)發(fā)展的政策瓶頸有望被打破。

但是,站在監(jiān)管部門的立場,AI算法相比單個醫(yī)生,其誤診對患者的傷害范圍要廣泛得多,甚至可能引發(fā)醫(yī)源性風(fēng)險。因此,當(dāng)人工智能算法在臨床實(shí)踐中應(yīng)用時,就更需要系統(tǒng)的調(diào)試、審計、廣泛的模擬和驗(yàn)證,以及前瞻性的審查。尤其需要解決AI決策流程的不可解釋性——畢竟,單純概率云下的黑箱運(yùn)算是無法臨床應(yīng)用的。

這個問題在今年也得到了改善。2019年5月,迪英加科技CEO楊林所率領(lǐng)的團(tuán)隊(duì)在《Nature Machine Intelligence》上發(fā)布了名為《Pathologist-level Interpretable Whole-slide Cancer Diagnosis with Deep Learning》的論文,提出了一項(xiàng)用于AI病理診斷解釋的方案。

在文章所描述的實(shí)驗(yàn)之中,研究人員運(yùn)用AI技術(shù)對病理切片進(jìn)行分析處理,并同時給出AI分析的依據(jù)。這是全球首篇發(fā)表在自然子刊上的關(guān)于討論病理圖像分析中的人工智能可解釋性問題的專著。

這次實(shí)驗(yàn)為人工智能的審批提供了新的思路。雖然現(xiàn)階段的人工智能仍不具備推理能力,但通過將醫(yī)生的推理步驟模塊化,從而模擬推理的過程。同時,實(shí)驗(yàn)中的文字匹配過程是按照WHO標(biāo)準(zhǔn)并具有嚴(yán)格依據(jù)。因此,與常見基于多樣本深度學(xué)習(xí)生成的勾畫不同,這次實(shí)驗(yàn)的每一個步驟都可由AI提供決策依據(jù)。

雖然本次實(shí)驗(yàn)仍然存在一些不足。但對于監(jiān)管部門對于AI的監(jiān)管提供了全新的思路。我們想先這次實(shí)驗(yàn)對于行業(yè)的影響或許很快就會在監(jiān)管審批上展現(xiàn)出來。

寫在最后

隨著全數(shù)字切片的出現(xiàn),以及隨之而來的AI輔助診斷的引入,基于AI的數(shù)字病理技術(shù)正在全世界蓬勃發(fā)展。盡管在監(jiān)管、支付和部署等方面還有不足,病理學(xué)和腫瘤學(xué)領(lǐng)域的醫(yī)療人員對這些技術(shù)開發(fā)和使用的興趣與日俱增。

盡管存在挑戰(zhàn),將AI與數(shù)字病理進(jìn)行結(jié)合已經(jīng)成為不可阻擋的的趨勢。在過去的幾年里,世界各地的醫(yī)療機(jī)構(gòu)已經(jīng)或正在將整個病理工作流程數(shù)字化。2017年,飛利浦全切片整體系統(tǒng)通過FDA認(rèn)證是數(shù)字病理即將進(jìn)入大規(guī)模應(yīng)用的重要標(biāo)志。

未來的病理科將首先利用數(shù)字切片掃描儀,將病理科所有常規(guī)切片全部制作成數(shù)字切片整合進(jìn)入日常工作流,通過AI輔助實(shí)現(xiàn)數(shù)字切片首診;并結(jié)合互聯(lián)網(wǎng)形成區(qū)域性病理云平臺,在病理云平臺上利用人工智能產(chǎn)品實(shí)現(xiàn)計算機(jī)輔助病理診斷,進(jìn)一步提高基層病理醫(yī)生診斷效率與準(zhǔn)確性。

因此,AI方法將成為分析和解釋這些大量數(shù)據(jù)的關(guān)鍵,并在此過程中幫助病理學(xué)這個古老的行業(yè)重獲新生。