近日，美國(guó)數(shù)字病理學(xué)初創(chuàng)公司Paige.AI通過人工智能診斷癌癥獲得了FDA授予的“突破性設(shè)備”稱號(hào)，這家成立不足2年的公司接手了斯隆-凱特琳癌癥中心（MSKCC）獨(dú)家授權(quán)的400多萬個(gè)包含病理學(xué)信息和電子病理的檔案，這些數(shù)據(jù)給予了它改變世界的可能。很明顯，它抓住了這個(gè)機(jī)會(huì)。

       反觀國(guó)內(nèi)，醫(yī)學(xué)影像作為計(jì)算機(jī)視覺中的子應(yīng)用已被廣泛應(yīng)用于放射領(lǐng)域，依圖醫(yī)療、推想科技、深睿醫(yī)療、體素科技等瞄準(zhǔn)放射科的人工智能影像企業(yè)已經(jīng)走出國(guó)門。

       作為精準(zhǔn)醫(yī)療的支撐，AI病理市場(chǎng)潛力巨大，規(guī)?？蛇_(dá)數(shù)百億人民幣，但專注于此的創(chuàng)業(yè)公司屈指可數(shù)，僅有的幾家企業(yè)的融資輪次至A輪，與放射科的醫(yī)學(xué)影像發(fā)展判若云泥。

       看似甘甜的果實(shí)為何無人采擷？我們不妨從技術(shù)、產(chǎn)業(yè)等角度進(jìn)行分析，看看AI+病理到底是一塊怎樣的土地。

       AI病理是否能復(fù)制放射的榮光？

       病理科被“現(xiàn)代醫(yī)學(xué)之父”威廉·奧斯勒稱為醫(yī)學(xué)之本，可以說病理診斷的準(zhǔn)確與否直接影響著患者的健康和命運(yùn)。

       數(shù)字技術(shù)的出現(xiàn)使醫(yī)者能運(yùn)用數(shù)字技術(shù)對(duì)病理圖像進(jìn)行攝取、拼接、壓縮、儲(chǔ)存等，保留高質(zhì)量圖像信息，并結(jié)合數(shù)據(jù)庫(kù)技術(shù)形成數(shù)字病理切片系統(tǒng)。這種方式打破了傳統(tǒng)病理學(xué)在存儲(chǔ)、保真性和檢索等方面的局限，通過圖像的瀏覽分析來完成病理分析、疾病診斷、遠(yuǎn)程傳輸和病理教學(xué)等任務(wù)。

       人工智能則是基于數(shù)字技術(shù)的升級(jí)，其病理學(xué)中的應(yīng)用包括基于數(shù)字圖像的細(xì)胞學(xué)初篩、形態(tài)定量分析、組織病理診斷和輔助預(yù)后判斷等方面。其中蘊(yùn)含的價(jià)值自然不言而喻，僅僅是病理診斷，其中市場(chǎng)便已包羅萬象。以胃癌為例，每年有超過2000萬人次不得不多次前往病理科進(jìn)行胃鏡活檢。初略估計(jì)，這一市場(chǎng)規(guī)模高達(dá)百億人民幣。

       除此以外，病理切片還有更深層次的信息有待挖掘，新藥研發(fā)、基因甚至還有新的第三方服務(wù)模式都在改變著現(xiàn)有的病理科室。

       但這些病理人工智能企業(yè)的發(fā)展速度無法與影像AI企業(yè)相比。雖然每年醫(yī)院會(huì)生產(chǎn)大量病理數(shù)據(jù)，但這些數(shù)據(jù)的質(zhì)量參差不齊，結(jié)構(gòu)與維度上都存在較大的差異。要通過這些數(shù)據(jù)哺育算法，需經(jīng)歷脫敏、清洗等過程，其中的困難程度可想而知。

       簡(jiǎn)單而言，之所以沒有企業(yè)能復(fù)制Paige.AI的成功，是因?yàn)槟壳皣?guó)內(nèi)沒有企業(yè)能擁有MSKCC那樣海量而標(biāo)準(zhǔn)的病理數(shù)據(jù)。

       而這一問題正在逐漸化解，第三方醫(yī)學(xué)檢測(cè)的中心與醫(yī)院的科研需求正推動(dòng)著數(shù)據(jù)以合理的形式流入人工智能，各級(jí)從業(yè)者越來越重視醫(yī)療數(shù)據(jù)的結(jié)構(gòu)問題。同時(shí)，更多細(xì)分領(lǐng)域的成果也越來越依托與對(duì)病理信息的處理，相關(guān)科研發(fā)展對(duì)于人工智能的需求直線上升，并緩慢的向產(chǎn)品進(jìn)行轉(zhuǎn)化。

       精準(zhǔn)醫(yī)學(xué)的發(fā)展離不開人工智能

       在科研項(xiàng)目中，經(jīng)過干預(yù)的腫瘤細(xì)胞、動(dòng)物樣本和人體樣本的形態(tài)學(xué)會(huì)發(fā)生相應(yīng)改變，這種改變需通過特殊的方式予以顯示和統(tǒng)計(jì)。

       既往研究對(duì)于形態(tài)學(xué)的觀察主要集中于肉眼和顯微鏡，必要時(shí)行免疫組織化學(xué)或免疫熒光檢測(cè)協(xié)助判斷，而后拍照進(jìn)行人工計(jì)數(shù)或借助軟件統(tǒng)計(jì)。上述方法極具主觀性，易產(chǎn)生假陽性，重復(fù)性差，亟需一種新的手段評(píng)價(jià)形態(tài)學(xué)變化。

       ISBI舉辦的研究者挑戰(zhàn)賽評(píng)估了深度學(xué)習(xí)算法檢測(cè)乳腺癌患者淋巴結(jié)轉(zhuǎn)移病理切片中轉(zhuǎn)移灶的潛力，結(jié)果顯示深度學(xué)習(xí)算法診斷的曲線下面積AUC為 0.556~0.994，病理醫(yī)師診斷的 AUC為 0.724，其中深度學(xué)習(xí)算法在診斷模擬中的表現(xiàn)優(yōu)于病理醫(yī)師。

       深度學(xué)習(xí)的應(yīng)用不僅于此，王斐、魏培蓮、潘軍、武清、于觀貞共同著作的《人工智能技術(shù)在組織和細(xì)胞形態(tài)學(xué)評(píng)估中的應(yīng)用》詳細(xì)介紹了現(xiàn)有研究成果下的應(yīng)用場(chǎng)景。而在產(chǎn)業(yè)之中，許多企業(yè)正是以這些研究為導(dǎo)向開始了基因、藥物研發(fā)方向的開拓。

       1.機(jī)體組織樣本中內(nèi)部特征的量化分析與臨床評(píng)價(jià)

       腫瘤間質(zhì)比(TSR)是指腫瘤組織內(nèi)腫瘤細(xì)胞與間質(zhì)成分的比值，主要通過術(shù)后病理切片評(píng)估獲得。

       在結(jié)腸癌、非小細(xì)胞肺癌、乳腺癌、食管鱗癌、鼻咽癌、宮頸癌、肝細(xì)胞癌等實(shí)體瘤中。TSR 是影響腫瘤患者預(yù)后的獨(dú)立危險(xiǎn)因素。既往主要由醫(yī)師通過顯微鏡下觀察肉眼判斷TSR，大多以 50% 作為間質(zhì)豐富或缺乏的界定值。

       這種評(píng)判標(biāo)準(zhǔn)存在許多問題，一是醫(yī)師經(jīng)驗(yàn)決定了TSR的精準(zhǔn)性，二是50%的臨界值并不一定準(zhǔn)確。應(yīng)用人工智能技術(shù)可準(zhǔn)確量化TSR，如果腫瘤細(xì)胞判斷準(zhǔn)確，TSR可以精確到個(gè)位數(shù)。

       論文作者王斐等人的研究小組利用人工智能技術(shù)判讀某張腫瘤組織病理切片的TSR，可見肉眼判讀的 TSR 為 30%~50%，而通過人工智能技術(shù)判讀的TSR為27.3%，表明人工智能技術(shù)在識(shí)別腫瘤樣本內(nèi)部特征方面具有明顯優(yōu)勢(shì)。

       腫瘤浸潤(rùn)淋巴細(xì)胞(TIL)是指從腫瘤組織中分離出來的浸潤(rùn)淋巴細(xì)胞，富含腫瘤特異性細(xì)胞**T淋巴細(xì)胞和自然殺傷細(xì)胞，鑒定和評(píng)價(jià)腫瘤內(nèi)部的TIL對(duì)于判斷預(yù)后和指導(dǎo)治療具有重要價(jià)值。AI技術(shù)可在其中發(fā)揮重要價(jià)值，國(guó)內(nèi)企業(yè)深思考便是以此為突破設(shè)計(jì)人工智能產(chǎn)品。

       對(duì)于如何定量TIL以及分析它們的空間分布，傳統(tǒng)的基于H-E 染色或免疫組織化學(xué)染色的分析極具主觀性，且耗時(shí)費(fèi)力、準(zhǔn)確性差，而AI能夠高校準(zhǔn)確地運(yùn)用卷積網(wǎng)絡(luò)計(jì)算淋巴細(xì)胞數(shù)量與空間分布。Saltz 等利用腫瘤基因組圖譜TCGA數(shù)據(jù)庫(kù)，提出了基于13種TCGA 腫瘤類型的H-E 圖像的 TIL映射。這些TIL映射 通過計(jì)算染色得到，使用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像進(jìn)行分類，揭示了 TIL 模式的局部空間結(jié)構(gòu)，并與總體生存時(shí)間進(jìn)行關(guān)聯(lián)。

       第三個(gè)定性分析應(yīng)用是用AI識(shí)別神經(jīng)侵犯淋巴結(jié)轉(zhuǎn)移，目前評(píng)價(jià)神經(jīng)侵犯的方式仍是顯微鏡下肉眼觀察，易漏診，且不能反映整張切片的神經(jīng)侵犯狀態(tài)。王斐等人的研究小組采用深度學(xué)習(xí)技術(shù)對(duì)肝門部膽管癌腫瘤細(xì)胞和神經(jīng)組織分別進(jìn)行學(xué)習(xí)和識(shí)別，顯示了腫瘤細(xì)胞侵犯神經(jīng)組織的全過程，包括腫瘤細(xì)胞首先向神經(jīng)組織聚集，而后侵犯神經(jīng)鞘膜，然后侵蝕神經(jīng)纖維，最終沿著神經(jīng)轉(zhuǎn)移。

       如今，韓國(guó)企業(yè)已經(jīng)借此技術(shù)打造了以乳腺癌為目標(biāo)的AI產(chǎn)品。

       2.細(xì)胞和動(dòng)物組織樣本的量化分析與藥效關(guān)系

       基礎(chǔ)研究和臨床藥效評(píng)價(jià)會(huì)使用細(xì)胞和動(dòng)物模型，藥物或基因干預(yù)手段對(duì)機(jī)體和腫瘤的治療效果和不良反應(yīng)需通過形態(tài)學(xué)方法予以展示和評(píng)價(jià)。傳統(tǒng)的基于H-E染色或特殊染色的顯微鏡下肉眼觀察和判讀具有局限性。

       痛過深度學(xué)習(xí)技術(shù)學(xué)習(xí)細(xì)胞和動(dòng)物病變樣本的形態(tài)學(xué)表現(xiàn)，如壞死、出血、淋巴細(xì)胞反應(yīng)、纖維增生、腫瘤形成和數(shù)目、血管形成等。這些表現(xiàn)均極具特征性和規(guī)律性，因此利用人工智能技術(shù)進(jìn)行藥效評(píng)價(jià)的可操作性強(qiáng)。本研究小組前期構(gòu)建了膽管癌動(dòng)物模型，采用不同藥物進(jìn)行干預(yù)，然后利用人工智能技術(shù)學(xué)習(xí)該疾病特征，結(jié)果表明人工智能技術(shù)可清晰顯示疾病的發(fā)生過程和臨床療效。

       3.細(xì)胞識(shí)別與分選

       細(xì)胞學(xué)實(shí)驗(yàn)是基礎(chǔ)和臨床轉(zhuǎn)化研究的基石，但少有研究集中于細(xì)胞的形態(tài)學(xué)變化。倫敦癌癥研究所的Chris Bakal教授和 Julia Sero博士使用珀金埃爾默公司的Opera?高內(nèi)涵成像分析系統(tǒng)獲取圖像，采用類似于神經(jīng)網(wǎng)絡(luò)研究的方法分析了不同 治療條件下數(shù)以千計(jì)的個(gè)體乳腺癌細(xì)胞的形態(tài)和 理特征，并對(duì)線粒體群體的變化和趨勢(shì)進(jìn)行了檢測(cè)。該研究將會(huì)在表型篩選和未知藥物作用機(jī)制的研究中發(fā)揮作用。

       一種新的細(xì)胞識(shí)別和分選系統(tǒng)鬼影細(xì)胞測(cè)定儀將一種新的成像技術(shù)與人工智能技術(shù)結(jié)合，用于識(shí)別和分選細(xì)胞。鬼影細(xì)胞測(cè)定儀以每秒1萬多個(gè)細(xì)胞的速度識(shí)別細(xì)胞，以每秒數(shù)千個(gè)細(xì)胞的速度對(duì)細(xì)胞進(jìn)行分類。

       此外，時(shí)間波形與隨機(jī)模式強(qiáng)度分布的組合使之能在計(jì)算機(jī)上重建細(xì)胞形態(tài)，可以直接在壓縮波形上應(yīng)用機(jī)器學(xué)習(xí)而不用進(jìn)行圖像重構(gòu)，實(shí)現(xiàn)高效的基于圖像的無形態(tài)學(xué)細(xì)胞檢測(cè)。這種方法將用于識(shí)別和分選患者血液中的循環(huán)腫瘤細(xì)胞，加速藥物 發(fā)現(xiàn)和改進(jìn)基于細(xì)胞療法的療效。

       4.特殊染色結(jié)果的量化分析和臨床治療與預(yù)后

       評(píng)價(jià)藥物或基因干預(yù)效果時(shí)，除可使用H-E染色外，還可借助特殊染色輔助判別，包括免疫熒光技術(shù)和免疫組織化學(xué)技術(shù)。其中免疫組織化學(xué)技術(shù)因具有經(jīng)濟(jì)、方便、快速和高通量等特點(diǎn)而應(yīng)用廣泛，但由于技術(shù)水平差異和評(píng)價(jià)體系的局限性，其結(jié)果標(biāo)準(zhǔn)性較差。

       由于免疫組織化學(xué)染色圖像也屬于二維圖像，特征性明顯，人工智能技術(shù)非常適合對(duì)其結(jié)果進(jìn)行判讀和一致性評(píng)價(jià)。并對(duì)染色情況進(jìn)行自動(dòng)評(píng)分。

       場(chǎng)景：病理診斷

       診斷是人工智能在病理領(lǐng)域的一個(gè)直觀的應(yīng)用。在常人的刻板印象中，醫(yī)生的職責(zé)是為了給予患者診斷建議，而人工智能則是為了替代醫(yī)生。

       這種印象顯然存在邏輯問題，但作為一種數(shù)據(jù)處理手段，經(jīng)過恰當(dāng)訓(xùn)練的AI的確可以全方位地審視病理數(shù)據(jù)信息，以輔助醫(yī)生做出判斷。

       事實(shí)上，國(guó)內(nèi)從事影像數(shù)據(jù)的分析的AI企業(yè)占據(jù)了“AI+病理”的半壁江山，動(dòng)脈網(wǎng)（微信號(hào)：vcbeat）記者采訪了部分國(guó)內(nèi)外從事病理影像診斷的企業(yè)，并將其特點(diǎn)總結(jié)如下。

       1.透徹影像

       成立于2017年的透徹影像是一家專注于病理的人工智能企業(yè)，其產(chǎn)品瞄準(zhǔn)于肺、胃、腸、淋巴結(jié)、前列腺和乳腺六個(gè)病理場(chǎng)景。

       透徹影像CTO王書浩認(rèn)為：“場(chǎng)景的選擇是出于市場(chǎng)考慮，這仍是一片藍(lán)海市場(chǎng)，我們希望能在開端惠及更多的患者，胃癌便是如此。”

       中國(guó)每年大概有2000萬名患者擁有活檢的需求，其中大部分的需求次數(shù)為兩次及其以上。如此大量的篩查，國(guó)內(nèi)的病理科資源實(shí)在難以勝任。同時(shí)，在胃、腸方向，醫(yī)生的重復(fù)勞動(dòng)率非常高。很多時(shí)候患者可能僅僅是患有腸炎，但仍進(jìn)行以腸癌為目標(biāo)導(dǎo)向的治療，這種情況導(dǎo)致了很多無謂的活檢，而人工智能技術(shù)可以快速的甄別這一問題。

       基于解放軍總醫(yī)院2017年胃部病理切片測(cè)試報(bào)告，透徹影像AI對(duì)于胃部惡性腫瘤識(shí)別的敏感性現(xiàn)已達(dá)到，特異性也達(dá)到了90%。在現(xiàn)有狀態(tài)下，該篩查準(zhǔn)確率已經(jīng)達(dá)到了一個(gè)相當(dāng)高的標(biāo)準(zhǔn)。

       而后，該公司將著手對(duì)篩查出的癌癥進(jìn)行準(zhǔn)確劃分，確認(rèn)胃癌的每一個(gè)分型，以給出更加精準(zhǔn)的診斷建議。

       2.深思考

       深思考人工智能(iDeepwise.ai)自成立以來，為全國(guó)各地30多家知名三甲醫(yī)院及檢驗(yàn)機(jī)構(gòu)提供宮頸癌篩查服務(wù)。至今為止，深思考已經(jīng)完成了近10萬例宮頸玻片的回顧性分析研究。

       在研究過程中，其TCT輔助篩查產(chǎn)品癌前病變的敏感性從人工閱片的65%提升至接近，陰性預(yù)測(cè)值提升至80%左右，可有效降低閱片醫(yī)生8成閱片工作量。

       其CEO楊志明談到：“我們?cè)趯m頸細(xì)胞公開數(shù)據(jù)集Helerv，采用MS-CNN深度學(xué)習(xí)細(xì)胞分類算法，相同評(píng)測(cè)條件下，各項(xiàng)指標(biāo)超越美國(guó)國(guó)立衛(wèi)生研究院NIH分類結(jié)果（敏感性超過NIH的結(jié)果1-1.5%），達(dá)到該數(shù)據(jù)集上全世界的結(jié)果。”

       在未來商業(yè)化方面，深思考可根據(jù)已有的TCT輔助篩查收費(fèi)目錄進(jìn)行收費(fèi)。根據(jù)國(guó)家發(fā)布最新醫(yī)療價(jià)格項(xiàng)目規(guī)定，宮頸細(xì)胞學(xué)計(jì)算機(jī)輔助診斷價(jià)格為100元/次-160元/次，按照目前全國(guó)每年進(jìn)行宮頸癌篩查的婦女約為1.1億人次計(jì)算，預(yù)計(jì)未來平均每年將可產(chǎn)生100億-200億人民幣的經(jīng)濟(jì)效益。

       3.迪英加

       相對(duì)于其他的病理企業(yè)，迪英加的“AI+病理”產(chǎn)品可謂面面俱到，以覆蓋盡可能多的癌癥患者。

       迪英加創(chuàng)始人楊林告訴動(dòng)脈網(wǎng)記者：“中國(guó)每年新增的癌癥患者近500萬人，而每年做細(xì)胞篩查的量級(jí)近一個(gè)億，這是一個(gè)非常大的數(shù)量。而我們的產(chǎn)品覆蓋了所有的病理科室會(huì)用到的各個(gè)大類，以及所有類型中至少50%以上的各種病變，其廣度可達(dá)世界首位。”

       在產(chǎn)品設(shè)計(jì)上，迪英加以D-Path AI人工智能病理輔助診斷系統(tǒng)為核心，在細(xì)胞病理方向開發(fā)了20余個(gè)智能分析模塊，可協(xié)助診斷胃癌、肺癌、膀胱癌、乳腺癌、腎癌、前列腺癌等癌癥分型。在分子病理方面，迪英加能運(yùn)用人工智能對(duì)探頭液樣品、血細(xì)胞以及像宮頸切片等進(jìn)行判讀。

       如今，迪英加已經(jīng)運(yùn)用AI讀取了近百萬例宮頸切片，其他類別的病理也趁迅速上升趨勢(shì)。并在前不久舉辦的人工智能卓醫(yī)挑戰(zhàn)賽獲得細(xì)胞病理（宮頸涂片），組織病理（甲狀腺冰凍）和免疫組化定量分析的三項(xiàng)技術(shù)冠軍。

       迪英加的產(chǎn)品源自于迪英加創(chuàng)始人和迪英加研究院在AI-數(shù)字病理領(lǐng)域發(fā)表的100多篇SCI文章，其中《Pathologist-level Interpretable Whole-slide Cancer Diagnosis with Deep Learning》被Nature Medicine (影響因子30）所收錄。

       在商業(yè)化方面，迪英加將采取模塊化銷售的方式，即醫(yī)院病理科可選擇最適合自己的模塊進(jìn)行購(gòu)買，并可在未來進(jìn)行模塊擴(kuò)充。

       4.Lunit

       來自韓國(guó)的人工智能企業(yè)Lunit為乳腺癌研發(fā)了一整套的人工智能產(chǎn)品，其胸部X光攝影和乳房X光攝影用于疾病最初檢測(cè)與篩查，讓他乳腺組織病理切片評(píng)級(jí)是醫(yī)學(xué)最終診斷結(jié)果的關(guān)鍵步驟。

       盡管病理學(xué)評(píng)級(jí)在診斷過程中起著很重要的作用，但該領(lǐng)域還是缺乏可量化的客觀標(biāo)準(zhǔn)和詳細(xì)的解釋過程，數(shù)字病理學(xué)的出現(xiàn)為解決該問題帶來了希望。

       Lunit在數(shù)字病理學(xué)研究上花費(fèi)了不少財(cái)力和人力，為的是客觀地解釋組織樣本中不同的形態(tài)學(xué)特征，并在提高組織病理學(xué)診斷的準(zhǔn)確性、高效性和一致性上進(jìn)行創(chuàng)新。

       2017年，Lunit引入了一種人工智能算法，可以實(shí)現(xiàn)對(duì)淋巴結(jié)中乳腺癌轉(zhuǎn)移的自動(dòng)檢測(cè)和階段評(píng)估，這是人類第一次嘗試將特定的病理學(xué)任務(wù)從頭到尾自動(dòng)化。

       對(duì)區(qū)域性淋巴結(jié)的病理診斷（pN-stage：也就是判斷乳腺癌是否已經(jīng)擴(kuò)散到淋巴結(jié)）這一診斷過程需要進(jìn)行檢查的圖片數(shù)據(jù)量非常大，且圖片的分辨率達(dá)到了200,000 × 100,000像素，這需要耗費(fèi)病理學(xué)家大量的時(shí)間來對(duì)多個(gè)圖片進(jìn)行仔細(xì)審查，最后正確確定pN-stage。

       Lunit運(yùn)用其深度學(xué)習(xí)技術(shù)，開發(fā)出一種高度精確的pN-stage預(yù)測(cè)算法，該算法將多個(gè)淋巴結(jié)組織切片的腫瘤轉(zhuǎn)移的檢測(cè)和分類整合到一個(gè)臨床結(jié)果中，使用來自Camelyon17數(shù)據(jù)集的淋巴結(jié)組織學(xué)圖像來建立一個(gè)預(yù)測(cè)pN-stage的算法，該算法的性能水平超過了目前世界上大多的領(lǐng)先技術(shù)，其有可能顯著提高病理學(xué)家的效率和診斷準(zhǔn)確性。

       場(chǎng)景：植入器械的人工智能

       既然我們可以設(shè)計(jì)出深度解析病理影像的軟件，那何不直接在影像采集時(shí)就對(duì)其進(jìn)行優(yōu)化呢？

       如今，一些傳統(tǒng)的器械企業(yè)也在嘗試將過去死板的儀器智能化，用人工智能賦予其更精細(xì)的影像與更迅捷的分析效率。

       1.福怡股份

       福怡股份是一家深耕病理15年的醫(yī)療器械公司，其產(chǎn)品覆蓋了病理影像采集、病理數(shù)據(jù)分析、遠(yuǎn)程病理診斷等服務(wù)，能夠?yàn)椴±砜铺峁┲悄茉\斷整體解決方案。

       其研制的數(shù)字病理智能診斷系統(tǒng)可以完成圖像高清數(shù)字化轉(zhuǎn)換，通量400片，實(shí)現(xiàn)了24小時(shí)無人值守自動(dòng)掃描。病理切片高速掃描，無縫拼接，更改傳統(tǒng)工作方式，讓病理標(biāo)本數(shù)字化，圖像化，可存儲(chǔ)化，為實(shí)現(xiàn)數(shù)字化、信息化打下良好基礎(chǔ)。

       福怡股份的數(shù)字病理遠(yuǎn)程診斷系統(tǒng)平臺(tái)以AI技術(shù)為輔助，已積聚了全國(guó)近2000位公立醫(yī)院在職病理科醫(yī)生，為“遠(yuǎn)程病理標(biāo)準(zhǔn)實(shí)驗(yàn)室”進(jìn)行診斷的是各省頂尖病理專家，每個(gè)省選取5~10位副高級(jí)以上專家，保證診斷結(jié)果在區(qū)域范圍內(nèi)具有一定權(quán)威性，杜絕漏診，確保診斷結(jié)果真實(shí)可靠。

       2.智影醫(yī)療

       近日，智影醫(yī)療研發(fā)的一款 AI 顯微鏡——基于痰菌顯微成像的肺結(jié)核自動(dòng)診斷系統(tǒng)，即將正式投入商用。AI 顯微鏡應(yīng)用了人工智能深度學(xué)習(xí)算法，可在3分鐘內(nèi)快速掃描整個(gè)玻片及進(jìn)行結(jié)核桿 菌計(jì)數(shù)，診斷出肺結(jié)核。

       傳統(tǒng)的痰涂片檢測(cè)醫(yī)學(xué)圖像處理方式是算法依據(jù)建立的規(guī)則對(duì)圖像進(jìn)行處理，規(guī)則不能適配所有個(gè)體，所以檢測(cè)的準(zhǔn)確率不高，而人工智能的圖像處理，是經(jīng)過了大數(shù)據(jù)的訓(xùn)練，深度學(xué)習(xí)開發(fā)， 可以大幅度提高檢測(cè)的準(zhǔn)確率。

       智影醫(yī)療開發(fā)的 AI 顯微鏡融入了人工智能的圖像處理和視覺處理技術(shù)，提供痰液染色涂片自動(dòng) 掃描圖像并進(jìn)行智能檢測(cè)分析，醫(yī)生輕松輸入指令，AI 就能自動(dòng)識(shí)別、檢測(cè)痰液染色涂片，之后定量計(jì)算和生成報(bào)告，并將檢測(cè)結(jié)果實(shí)時(shí)顯示到客戶端中，及時(shí)提醒又不打擾醫(yī)生工作流程， 能提高醫(yī)生的診斷效率和準(zhǔn)確度。

       場(chǎng)景：病理與新藥研發(fā)

       當(dāng)我們獲取了基本的病理數(shù)據(jù)后，我們是否可以從中看出更深層次的，診斷以外的信息呢？有心的企業(yè)正嘗試。

       在沒有人工智能前，對(duì)病理切片進(jìn)行定量分析是一個(gè)幾乎不可能完成的任務(wù)，只能憑借醫(yī)者的感覺大致估量病變的范圍。但人工智能的出現(xiàn)使組織細(xì)胞的精準(zhǔn)計(jì)數(shù)成為可能。

       在這種情況下，研究人員能夠迅速精確地獲取一段時(shí)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，就能輕易的觀察出臨床實(shí)驗(yàn)中的新藥對(duì)病灶產(chǎn)生了怎樣的影響。

       順著這一邏輯，我們或許可以利用AI觀察動(dòng)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)。

       成都的知識(shí)視覺正在做這樣的事，即為CRO提供提供定量的數(shù)字病理圖像可視化與量化分析，以輔助藥物臨床科研。在與羅氏診斷的合作中，知識(shí)視覺的成果受到了羅氏的肯定。

       但這一想法的起源并非面向AI新藥研發(fā)，其創(chuàng)始人向飛在采訪中說道：“我們致力于打造一個(gè)無代碼化病理AI應(yīng)用研發(fā)云平臺(tái)，解決病理AI應(yīng)用研發(fā)難度大、硬件投入大、溝通和數(shù)據(jù)標(biāo)注成本高等問題，讓病理醫(yī)生可以根據(jù)實(shí)際需求無需編碼就能實(shí)現(xiàn)病理AI應(yīng)用的研究工作。”

       國(guó)外的Reveal Biosciences、PathAI也在做類似的事。近日，Reveal Biosciences獲得了英特爾領(lǐng)投的A輪融資，其創(chuàng)始人創(chuàng)始人兼首席執(zhí)行官Claire Weston博士表示：“迄今為止，Reveal Biosciences的ImageDx技術(shù)已為三百多家醫(yī)療機(jī)構(gòu)提供信息服務(wù)。我們特定的數(shù)據(jù)集成方式，能夠大規(guī)模且快速生成病理學(xué)AI算法。通過這次融資，我們很高興能夠擴(kuò)大我們研究人員、病理學(xué)家和技術(shù)人員的生態(tài)系統(tǒng)，共同引領(lǐng)AI醫(yī)療找到新范式。”

       場(chǎng)景：NLP與基因云

       除了針對(duì)病理信息自身進(jìn)行分析之外，研究或許可以將相關(guān)數(shù)據(jù)與基因庫(kù)進(jìn)行關(guān)聯(lián)，在進(jìn)行實(shí)驗(yàn)時(shí)同時(shí)監(jiān)測(cè)受試者的表型和基因型數(shù)據(jù)。

       而隨著免疫治療的發(fā)展，PD-1/PD-L1和CAR-T治療中對(duì)新的腫瘤免疫標(biāo)記物的空間定位和定量亦給病理診斷提出了更高的要求，這同樣需要新的技術(shù)進(jìn)行革新。

       基于醫(yī)院病理科傳統(tǒng)的信息平臺(tái)，醫(yī)生難以實(shí)現(xiàn)大規(guī)模的病理診斷。其中的主要原因在于文本報(bào)告和數(shù)字圖像等病例信息難以通過人工實(shí)現(xiàn)大數(shù)據(jù)的回顧性科研搜索、分析和管理，自然也阻礙了病理診斷的標(biāo)準(zhǔn)化和標(biāo)準(zhǔn)演進(jìn)。

       在此背景下，精準(zhǔn)醫(yī)療大數(shù)據(jù)公司志諾維思繪制了病理知識(shí)圖譜，并開發(fā)了中文病理報(bào)告自然語言處理、腫瘤基因組生物信息分析和病理圖像人工智能等多項(xiàng)核心技術(shù)。這將為研究計(jì)劃提供病理文本、圖像和基因組數(shù)據(jù)分析功能，同時(shí)也能為參加項(xiàng)目的其他成員提供標(biāo)準(zhǔn)化分析自身數(shù)據(jù)的工具。

       通過連接病理HE、IHC等染色影像信息與基因組學(xué)中的基因組、表達(dá)組信息，志諾維思能以更高的精度與更快的效率挖掘生物標(biāo)記物，助力藥物研發(fā)。

       場(chǎng)景：第三方醫(yī)學(xué)檢查中心

       第三方醫(yī)學(xué)診斷機(jī)構(gòu)是國(guó)家實(shí)現(xiàn)分級(jí)診療、促進(jìn)公立醫(yī)院改革的重要手段，同時(shí)也是社會(huì)資本進(jìn)入醫(yī)療行業(yè)的重要落地形式。而人工智能技術(shù)的進(jìn)入有望提升了第三方醫(yī)學(xué)檢測(cè)中心的醫(yī)療實(shí)力。進(jìn)入這一領(lǐng)域的企業(yè)越來越多。

       云病理的出現(xiàn)則加速了第三方影像中心的發(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，形成了云病理平臺(tái)。

       如今，國(guó)內(nèi)已有多家大型企業(yè)借助云平臺(tái)將AI病理診斷技術(shù)輸出于國(guó)內(nèi)外的醫(yī)學(xué)檢測(cè)中心。

       1.蘭丁醫(yī)療

       傳統(tǒng)的宮頸癌細(xì)胞學(xué)篩查是由醫(yī)技人員在顯微鏡下根據(jù)經(jīng)驗(yàn)進(jìn)行診斷。按國(guó)際標(biāo)準(zhǔn)，宮頸癌細(xì)胞學(xué)篩查醫(yī)技人員每天閱片量應(yīng)小于100例；人不是機(jī)器，始終無法避免因疲勞或經(jīng)驗(yàn)的不同所造成人為診斷誤差。而蘭丁醫(yī)學(xué)開發(fā)的AI宮頸癌診斷機(jī)器人“Landing”可以幫助醫(yī)生精準(zhǔn)發(fā)現(xiàn)早期宮頸癌前病變，使得宮頸癌極有可能成為首個(gè)通過預(yù)防篩查而實(shí)現(xiàn)根除的惡性腫瘤。

       依托于這一AI技術(shù)，蘭丁醫(yī)學(xué)已經(jīng)在全國(guó)各地建立了400余家“蘭定標(biāo)準(zhǔn)細(xì)胞實(shí)驗(yàn)室”，這些實(shí)驗(yàn)室在省會(huì)城市三甲醫(yī)院、中小城市二甲醫(yī)院，甚至國(guó)內(nèi)農(nóng)村基層計(jì)生站均有覆及。

       這一全新篩查模式特點(diǎn)是結(jié)束了宮頸癌篩查依靠專家經(jīng)驗(yàn)診斷的歷史，用大數(shù)據(jù)提高診斷質(zhì)量，靠現(xiàn)代化技術(shù)降低成本，從而提高大規(guī)模宮頸癌篩查效率以及癌前病變及陽性檢出率，對(duì)降低宮頸癌的發(fā)病率及死亡率將發(fā)揮重要作用。此外，為解決世界發(fā)展中國(guó)家共存的基層缺乏腫瘤篩查專業(yè)人員的難題提供了切實(shí)可行的解決方案。目前，蘭丁所完成的宮頸癌篩查總量已經(jīng)超過了200萬例。

       蘭丁醫(yī)療正一步一步走向世界。如今，蘭丁宮頸癌篩查人工智能云診斷平臺(tái)已于4月1 日向世界開放，世界各國(guó)，特別是“一帶一路”沿線國(guó)家的婦女都有望分享中國(guó)人工智能云診斷平臺(tái)提供的高質(zhì)量低成本宮頸癌篩查服務(wù)。

       2.衡道病理

       衡道病理以“全職醫(yī)技團(tuán)隊(duì)+一線會(huì)診專家+共建聯(lián)合平臺(tái)”多層級(jí)模式，依托“數(shù)字遠(yuǎn)程會(huì)診網(wǎng)絡(luò)+實(shí)體中心&物流支持”，為廣大基層醫(yī)院提供病理會(huì)診及診斷支持，專注解決術(shù)中冰凍、疑難會(huì)診、各類特色穿刺活檢和小標(biāo)本快速診斷。旗下全基因組芯片平臺(tái)，提供20款多癌種分子病理智能報(bào)告軟件，讓分子病理走進(jìn)基層。

       依托AI專業(yè)團(tuán)隊(duì)和技術(shù)儲(chǔ)備，衡道病理積極開展與各類知名三甲醫(yī)院科研合作，推進(jìn)病理人工智能（Path AI）穩(wěn)健發(fā)展。運(yùn)用衡道病理大數(shù)據(jù)優(yōu)勢(shì)（PathHub?），構(gòu)建整個(gè)病理行業(yè)在人工智能時(shí)代的基礎(chǔ)設(shè)施，為病理醫(yī)生提供智能化輔助工具，提升診斷效率，實(shí)現(xiàn)病理大數(shù)據(jù)與技術(shù)成果的共享，助力行業(yè)升級(jí)。

       3.平安健康（檢測(cè)）中心

       2018年10月，平安租賃大手筆一揮，300億資金支持下1000家第三方檢測(cè)中心陸陸續(xù)續(xù)露出頭來。平安健康（檢測(cè)）中心的優(yōu)勢(shì)在于平安的整體構(gòu)架。這一第三方檢測(cè)中心不僅擁有平安好醫(yī)生為其導(dǎo)流，平安傳統(tǒng)的保險(xiǎn)業(yè)務(wù)也為患者提供的諸多可選的醫(yī)保與商保服務(wù)。

       如今政策已至，平安檢測(cè)的入駐則為整個(gè)賽道帶來了活力。當(dāng)平安體系建立完畢后，也許國(guó)內(nèi)第三方醫(yī)學(xué)檢驗(yàn)將形成一個(gè)全新的局面。

       總結(jié)

       以上收錄的大多數(shù)為專注于“AI+病理”的企業(yè)，實(shí)際上，許多醫(yī)學(xué)影像類人工智能企業(yè)早已經(jīng)開始涉足病理領(lǐng)域，或自建醫(yī)學(xué)實(shí)驗(yàn)室。從趨勢(shì)上看，病理背后精準(zhǔn)醫(yī)療與AI的結(jié)合已成定勢(shì)。

       診斷如此，AI制藥更是如此。新藥研發(fā)完全有可能超越影像類產(chǎn)品，成為人工智能在醫(yī)療領(lǐng)域最先實(shí)現(xiàn)商業(yè)化的場(chǎng)景。我們期望能看到更多志諾維思、知識(shí)視覺這樣的公司，透過病理數(shù)據(jù)的表象，連接基因數(shù)據(jù)，為攻克腫瘤等頑疾獻(xiàn)計(jì)獻(xiàn)策。

       科研也在不斷前進(jìn)，深度學(xué)習(xí)能讓科研人員更精確地量化細(xì)胞參數(shù)，更直觀地觀測(cè)腫瘤細(xì)胞的變化。

       所以，對(duì)人工智能抱有期待的相關(guān)者，不妨將部分注意力轉(zhuǎn)向病理，或許能發(fā)掘到令人意想不到的潛力。

點(diǎn)擊下圖，預(yù)登記觀展