近日，美國數字病理學(xué)初創(chuàng )公司Paige.AI通過(guò)人工智能診斷癌癥獲得了FDA授予的“突破性設備”稱(chēng)號，這家成立不足2年的公司接手了斯隆-凱特琳癌癥中心（MSKCC）獨家授權的400多萬(wàn)個(gè)包含病理學(xué)信息和電子病理的檔案，這些數據給予了它改變世界的可能。很明顯，它抓住了這個(gè)機會(huì )。

       反觀(guān)國內，醫學(xué)影像作為計算機視覺(jué)中的子應用已被廣泛應用于放射領(lǐng)域，依圖醫療、推想科技、深睿醫療、體素科技等瞄準放射科的人工智能影像企業(yè)已經(jīng)走出國門(mén)。

       作為精準醫療的支撐，AI病理市場(chǎng)潛力巨大，規?？蛇_數百億人民幣，但專(zhuān)注于此的創(chuàng )業(yè)公司屈指可數，僅有的幾家企業(yè)的融資輪次至A輪，與放射科的醫學(xué)影像發(fā)展判若云泥。

       看似甘甜的果實(shí)為何無(wú)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病理是否能復制放射的榮光？

       病理科被“現代醫學(xué)之父”威廉·奧斯勒稱(chēng)為醫學(xué)之本，可以說(shuō)病理診斷的準確與否直接影響著(zhù)患者的健康和命運。

       數字技術(shù)的出現使醫者能運用數字技術(shù)對病理圖像進(jìn)行攝取、拼接、壓縮、儲存等，保留高質(zhì)量圖像信息，并結合數據庫技術(shù)形成數字病理切片系統。這種方式打破了傳統病理學(xué)在存儲、保真性和檢索等方面的局限，通過(guò)圖像的瀏覽分析來(lái)完成病理分析、疾病診斷、遠程傳輸和病理教學(xué)等任務(wù)。

       人工智能則是基于數字技術(shù)的升級，其病理學(xué)中的應用包括基于數字圖像的細胞學(xué)初篩、形態(tài)定量分析、組織病理診斷和輔助預后判斷等方面。其中蘊含的價(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(wàn)象。以胃癌為例，每年有超過(guò)2000萬(wàn)人次不得不多次前往病理科進(jìn)行胃鏡活檢。初略估計，這一市場(chǎng)規模高達百億人民幣。

       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(zhù)現有的病理科室。

       但這些病理人工智能企業(yè)的發(fā)展速度無(wú)法與影像AI企業(yè)相比。雖然每年醫院會(huì )生產(chǎn)大量病理數據，但這些數據的質(zhì)量參差不齊，結構與維度上都存在較大的差異。要通過(guò)這些數據哺育算法，需經(jīng)歷脫敏、清洗等過(guò)程，其中的困難程度可想而知。

       簡(jiǎn)單而言，之所以沒(méi)有企業(yè)能復制Paige.AI的成功，是因為目前國內沒(méi)有企業(yè)能擁有MSKCC那樣海量而標準的病理數據。

       而這一問(wèn)題正在逐漸化解，第三方醫學(xué)檢測的中心與醫院的科研需求正推動(dòng)著(zhù)數據以合理的形式流入人工智能，各級從業(yè)者越來(lái)越重視醫療數據的結構問(wèn)題。同時(shí)，更多細分領(lǐng)域的成果也越來(lái)越依托與對病理信息的處理，相關(guān)科研發(fā)展對于人工智能的需求直線(xiàn)上升，并緩慢的向產(chǎn)品進(jìn)行轉化。

       精準醫學(xué)的發(fā)展離不開(kāi)人工智能

       在科研項目中，經(jīng)過(guò)干預的腫瘤細胞、動(dòng)物樣本和人體樣本的形態(tài)學(xué)會(huì )發(fā)生相應改變，這種改變需通過(guò)特殊的方式予以顯示和統計。

       既往研究對于形態(tài)學(xué)的觀(guān)察主要集中于肉眼和顯微鏡，必要時(shí)行免疫組織化學(xué)或免疫熒光檢測協(xié)助判斷，而后拍照進(jìn)行人工計數或借助軟件統計。上述方法極具主觀(guān)性，易產(chǎn)生假陽(yáng)性，重復性差，亟需一種新的手段評價(jià)形態(tài)學(xué)變化。

       ISBI舉辦的研究者挑戰賽評估了深度學(xué)習算法檢測乳腺癌患者淋巴結轉移病理切片中轉移灶的潛力，結果顯示深度學(xué)習算法診斷的曲線(xiàn)下面積AUC為 0.556~0.994，病理醫師診斷的 AUC為 0.724，其中深度學(xué)習算法在診斷模擬中的表現優(yōu)于病理醫師。

       深度學(xué)習的應用不僅于此，王斐、魏培蓮、潘軍、武清、于觀(guān)貞共同著(zhù)作的《人工智能技術(shù)在組織和細胞形態(tài)學(xué)評估中的應用》詳細介紹了現有研究成果下的應用場(chǎng)景。而在產(chǎn)業(yè)之中，許多企業(yè)正是以這些研究為導向開(kāi)始了基因、藥物研發(fā)方向的開(kāi)拓。

       1.機體組織樣本中內部特征的量化分析與臨床評價(jià)

       腫瘤間質(zhì)比(TSR)是指腫瘤組織內腫瘤細胞與間質(zhì)成分的比值，主要通過(guò)術(shù)后病理切片評估獲得。

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

       這種評判標準存在許多問(wèn)題，一是醫師經(jīng)驗決定了TSR的精準性，二是50%的臨界值并不一定準確。應用人工智能技術(shù)可準確量化TSR，如果腫瘤細胞判斷準確，TSR可以精確到個(gè)位數。

       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(jiàn)肉眼判讀的 TSR 為 30%~50%，而通過(guò)人工智能技術(shù)判讀的TSR為27.3%，表明人工智能技術(shù)在識別腫瘤樣本內部特征方面具有明顯優(yōu)勢。

       腫瘤浸潤淋巴細胞(TIL)是指從腫瘤組織中分離出來(lái)的浸潤淋巴細胞，富含腫瘤特異性細胞**T淋巴細胞和自然殺傷細胞，鑒定和評價(jià)腫瘤內部的TIL對于判斷預后和指導治療具有重要價(jià)值。AI技術(shù)可在其中發(fā)揮重要價(jià)值，國內企業(yè)深思考便是以此為突破設計人工智能產(chǎn)品。

       對于如何定量TIL以及分析它們的空間分布，傳統的基于H-E 染色或免疫組織化學(xué)染色的分析極具主觀(guān)性，且耗時(shí)費力、準確性差，而AI能夠高校準確地運用卷積網(wǎng)絡(luò )計算淋巴細胞數量與空間分布。Saltz 等利用腫瘤基因組圖譜TCGA數據庫，提出了基于13種TCGA 腫瘤類(lèi)型的H-E 圖像的 TIL映射。這些TIL映射 通過(guò)計算染色得到，使用訓練好的卷積神經(jīng)網(wǎng)絡(luò )對圖像進(jìn)行分類(lèi)，揭示了 TIL 模式的局部空間結構，并與總體生存時(shí)間進(jìn)行關(guān)聯(lián)。

       第三個(gè)定性分析應用是用AI識別神經(jīng)侵犯淋巴結轉移，目前評價(jià)神經(jīng)侵犯的方式仍是顯微鏡下肉眼觀(guān)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)習技術(shù)對肝門(mén)部膽管癌腫瘤細胞和神經(jīng)組織分別進(jìn)行學(xué)習和識別，顯示了腫瘤細胞侵犯神經(jīng)組織的全過(guò)程，包括腫瘤細胞首先向神經(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(zhù)神經(jīng)轉移。

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

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

       基礎研究和臨床藥效評價(jià)會(huì )使用細胞和動(dòng)物模型，藥物或基因干預手段對機體和腫瘤的治療效果和不良反應需通過(guò)形態(tài)學(xué)方法予以展示和評價(jià)。傳統的基于H-E染色或特殊染色的顯微鏡下肉眼觀(guān)察和判讀具有局限性。

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

       3.細胞識別與分選

       細胞學(xué)實(shí)驗是基礎和臨床轉化研究的基石，但少有研究集中于細胞的形態(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?高內涵成像分析系統獲取圖像，采用類(lèi)似于神經(jīng)網(wǎng)絡(luò )研究的方法分析了不同 治療條件下數以千計的個(gè)體乳腺癌細胞的形態(tài)和 理特征，并對線(xiàn)粒體群體的變化和趨勢進(jìn)行了檢測。該研究將會(huì )在表型篩選和未知藥物作用機制的研究中發(fā)揮作用。

       一種新的細胞識別和分選系統鬼影細胞測定儀將一種新的成像技術(shù)與人工智能技術(shù)結合，用于識別和分選細胞。鬼影細胞測定儀以每秒1萬(wàn)多個(gè)細胞的速度識別細胞，以每秒數千個(gè)細胞的速度對細胞進(jìn)行分類(lèi)。

       此外，時(shí)間波形與隨機模式強度分布的組合使之能在計算機上重建細胞形態(tài)，可以直接在壓縮波形上應用機器學(xué)習而不用進(jìn)行圖像重構，實(shí)現高效的基于圖像的無(wú)形態(tài)學(xué)細胞檢測。這種方法將用于識別和分選患者血液中的循環(huán)腫瘤細胞，加速藥物 發(fā)現和改進(jìn)基于細胞療法的療效。

       4.特殊染色結果的量化分析和臨床治療與預后

       評價(jià)藥物或基因干預效果時(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、方便、快速和高通量等特點(diǎn)而應用廣泛，但由于技術(shù)水平差異和評價(jià)體系的局限性，其結果標準性較差。

       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)非常適合對其結果進(jìn)行判讀和一致性評價(jià)。并對染色情況進(jìn)行自動(dòng)評分。

       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(guān)的應用。在常人的刻板印象中，醫生的職責是為了給予患者診斷建議，而人工智能則是為了替代醫生。

       這種印象顯然存在邏輯問(wèn)題，但作為一種數據處理手段，經(jīng)過(guò)恰當訓練的AI的確可以全方位地審視病理數據信息，以輔助醫生做出判斷。

       事實(shí)上，國內從事影像數據的分析的AI企業(yè)占據了“AI+病理”的半壁江山，動(dòng)脈網(wǎng)（微信號：vcbeat）記者采訪(fǎng)了部分國內外從事病理影像診斷的企業(yè)，并將其特點(diǎn)總結如下。

       1.透徹影像

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

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

       中國每年大概有2000萬(wàn)名患者擁有活檢的需求，其中大部分的需求次數為兩次及其以上。如此大量的篩查，國內的病理科資源實(shí)在難以勝任。同時(shí)，在胃、腸方向，醫生的重復勞動(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)行以腸癌為目標導向的治療，這種情況導致了很多無(wú)謂的活檢，而人工智能技術(shù)可以快速的甄別這一問(wèn)題。

       基于解放軍總醫院2017年胃部病理切片測試報告，透徹影像AI對于胃部惡性腫瘤識別的敏感性現已達到，特異性也達到了90%。在現有狀態(tài)下，該篩查準確率已經(jīng)達到了一個(gè)相當高的標準。

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

       2.深思考

       深思考人工智能(iDeepwise.ai)自成立以來(lái)，為全國各地30多家知名三甲醫院及檢驗機構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(wàn)例宮頸玻片的回顧性分析研究。

       在研究過(guò)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，陰性預測值提升至80%左右，可有效降低閱片醫生8成閱片工作量。

       其CEO楊志明談到：“我們在宮頸細胞公開(kāi)數據集Helerv，采用MS-CNN深度學(xué)習細胞分類(lèi)算法，相同評測條件下，各項指標超越美國國立衛生研究院NIH分類(lèi)結果（敏感性超過(guò)NIH的結果1-1.5%），達到該數據集上全世界的結果。”

       在未來(lái)商業(yè)化方面，深思考可根據已有的TCT輔助篩查收費目錄進(jìn)行收費。根據國家發(fā)布最新醫療價(jià)格項目規定，宮頸細胞學(xué)計算機輔助診斷價(jià)格為100元/次-160元/次，按照目前全國每年進(jìn)行宮頸癌篩查的婦女約為1.1億人次計算，預計未來(lái)平均每年將可產(chǎn)生100億-200億人民幣的經(jīng)濟效益。

       3.迪英加

       相對于其他的病理企業(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：“中國每年新增的癌癥患者近500萬(wàn)人，而每年做細胞篩查的量級近一個(gè)億，這是一個(gè)非常大的數量。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(lèi)，以及所有類(lèi)型中至少50%以上的各種病變，其廣度可達世界首位。”

       在產(chǎn)品設計上，迪英加以D-Path AI人工智能病理輔助診斷系統為核心，在細胞病理方向開(kāi)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，迪英加能運用人工智能對探頭液樣品、血細胞以及像宮頸切片等進(jìn)行判讀。

       如今，迪英加已經(jīng)運用AI讀取了近百萬(wàn)例宮頸切片，其他類(lèi)別的病理也趁迅速上升趨勢。并在前不久舉辦的人工智能卓醫挑戰賽獲得細胞病理（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A(yíng)I-數字病理領(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(xiāo)售的方式，即醫院病理科可選擇最適合自己的模塊進(jìn)行購買(mǎi)，并可在未來(lái)進(jìn)行模塊擴充。

       4.Lunit

       來(lái)自韓國的人工智能企業(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與篩查，讓他乳腺組織病理切片評級是醫學(xué)最終診斷結果的關(guān)鍵步驟。

       盡管病理學(xué)評級在診斷過(guò)程中起著(zhù)很重要的作用，但該領(lǐng)域還是缺乏可量化的客觀(guān)標準和詳細的解釋過(guò)程，數字病理學(xué)的出現為解決該問(wèn)題帶來(lái)了希望。

       Lunit在數字病理學(xué)研究上花費了不少財力和人力，為的是客觀(guān)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)現對淋巴結中乳腺癌轉移的自動(dòng)檢測和階段評估，這是人類(lèi)第一次嘗試將特定的病理學(xué)任務(wù)從頭到尾自動(dòng)化。

       對區域性淋巴結的病理診斷（pN-stage：也就是判斷乳腺癌是否已經(jīng)擴散到淋巴結）這一診斷過(guò)程需要進(jìn)行檢查的圖片數據量非常大，且圖片的分辨率達到了200,000 × 100,000像素，這需要耗費病理學(xué)家大量的時(shí)間來(lái)對多個(gè)圖片進(jìn)行仔細審查，最后正確確定pN-stage。

       Lunit運用其深度學(xué)習技術(shù)，開(kāi)發(fā)出一種高度精確的pN-stage預測算法，該算法將多個(gè)淋巴結組織切片的腫瘤轉移的檢測和分類(lèi)整合到一個(gè)臨床結果中，使用來(lái)自Camelyon17數據集的淋巴結組織學(xué)圖像來(lái)建立一個(gè)預測pN-stage的算法，該算法的性能水平超過(guò)了目前世界上大多的領(lǐng)先技術(shù)，其有可能顯著(zhù)提高病理學(xué)家的效率和診斷準確性。

       場(chǎng)景：植入器械的人工智能

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

       如今，一些傳統的器械企業(yè)也在嘗試將過(guò)去死板的儀器智能化，用人工智能賦予其更精細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年的醫療器械公司，其產(chǎn)品覆蓋了病理影像采集、病理數據分析、遠程病理診斷等服務(wù)，能夠為病理科提供智能診斷整體解決方案。

       其研制的數字病理智能診斷系統可以完成圖像高清數字化轉換，通量400片，實(shí)現了24小時(shí)無(wú)人值守自動(dòng)掃描。病理切片高速掃描，無(wú)縫拼接，更改傳統工作方式，讓病理標本數字化，圖像化，可存儲化，為實(shí)現數字化、信息化打下良好基礎。

       福怡股份的數字病理遠程診斷系統平臺以AI技術(shù)為輔助，已積聚了全國近2000位公立醫院在職病理科醫生，為“遠程病理標準實(shí)驗室”進(jìn)行診斷的是各省頂尖病理專(zhuān)家，每個(gè)省選取5~10位副高級以上專(zhuān)家，保證診斷結果在區域范圍內具有一定權威性，杜絕漏診，確保診斷結果真實(shí)可靠。

       2.智影醫療

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

       傳統的痰涂片檢測醫學(xué)圖像處理方式是算法依據建立的規則對圖像進(jìn)行處理，規則不能適配所有個(gè)體，所以檢測的準確率不高，而人工智能的圖像處理，是經(jīng)過(guò)了大數據的訓練，深度學(xué)習開(kāi)發(fā)， 可以大幅度提高檢測的準確率。

       智影醫療開(kāi)發(fā)的 AI 顯微鏡融入了人工智能的圖像處理和視覺(jué)處理技術(shù)，提供痰液染色涂片自動(dòng) 掃描圖像并進(jìn)行智能檢測分析，醫生輕松輸入指令，AI 就能自動(dòng)識別、檢測痰液染色涂片，之后定量計算和生成報告，并將檢測結果實(shí)時(shí)顯示到客戶(hù)端中，及時(shí)提醒又不打擾醫生工作流程， 能提高醫生的診斷效率和準確度。

       場(chǎng)景：病理與新藥研發(fā)

       當我們獲取了基本的病理數據后，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(méi)有人工智能前，對病理切片進(jìn)行定量分析是一個(gè)幾乎不可能完成的任務(wù)，只能憑借醫者的感覺(jué)大致估量病變的范圍。但人工智能的出現使組織細胞的精準計數成為可能。

       在這種情況下，研究人員能夠迅速精確地獲取一段時(shí)間內切片的病變細胞數量、程度的數目及變化情況，就能輕易的觀(guān)察出臨床實(shí)驗中的新藥對病灶產(chǎn)生了怎樣的影響。

       順著(zhù)這一邏輯，我們或許可以利用AI觀(guān)察動(dòng)物受藥后的組織細胞變化狀況，從而更加精確地指導藥物研發(fā)。

       成都的知識視覺(jué)正在做這樣的事，即為CRO提供提供定量的數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，知識視覺(jué)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(fǎng)中說(shuō)道：“我們致力于打造一個(gè)無(wú)代碼化病理AI應用研發(fā)云平臺，解決病理AI應用研發(fā)難度大、硬件投入大、溝通和數據標注成本高等問(wèn)題，讓病理醫生可以根據實(shí)際需求無(wú)需編碼就能實(shí)現病理AI應用的研究工作。”

       國外的Reveal Biosciences、PathAI也在做類(lèi)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)已為三百多家醫療機構提供信息服務(wù)。我們特定的數據集成方式，能夠大規模且快速生成病理學(xué)AI算法。通過(guò)這次融資，我們很高興能夠擴大我們研究人員、病理學(xué)家和技術(shù)人員的生態(tài)系統，共同引領(lǐng)AI醫療找到新范式。”

       場(chǎng)景：NLP與基因云

       除了針對病理信息自身進(jìn)行分析之外，研究或許可以將相關(guān)數據與基因庫進(jìn)行關(guān)聯(lián)，在進(jìn)行實(shí)驗時(shí)同時(shí)監測受試者的表型和基因型數據。

       而隨著(zhù)免疫治療的發(fā)展，PD-1/PD-L1和CAR-T治療中對新的腫瘤免疫標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。

       基于醫院病理科傳統的信息平臺，醫生難以實(shí)現大規模的病理診斷。其中的主要原因在于文本報告和數字圖像等病例信息難以通過(guò)人工實(shí)現大數據的回顧性科研搜索、分析和管理，自然也阻礙了病理診斷的標準化和標準演進(jìn)。

       在此背景下，精準醫療大數據公司志諾維思繪制了病理知識圖譜，并開(kāi)發(fā)了中文病理報告自然語(yǔ)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核心技術(shù)。這將為研究計劃提供病理文本、圖像和基因組數據分析功能，同時(shí)也能為參加項目的其他成員提供標準化分析自身數據的工具。

       通過(guò)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記物，助力藥物研發(fā)。

       場(chǎng)景：第三方醫學(xué)檢查中心

       第三方醫學(xué)診斷機構是國家實(shí)現分級診療、促進(jìn)公立醫院改革的重要手段，同時(shí)也是社會(huì )資本進(jìn)入醫療行業(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學(xué)檢測中心的醫療實(shí)力。進(jìn)入這一領(lǐng)域的企業(yè)越來(lái)越多。

       云病理的出現則加速了第三方影像中心的發(fā)展，這一模式使得遠程病理診斷更加方便，使數字病理從“概念上”的遠程醫療逐漸過(guò)渡到實(shí)際應用中，形成了云病理平臺。

       如今，國內已有多家大型企業(yè)借助云平臺將AI病理診斷技術(shù)輸出于國內外的醫學(xué)檢測中心。

       1.蘭丁醫療

       傳統的宮頸癌細胞學(xué)篩查是由醫技人員在顯微鏡下根據經(jīng)驗進(jìn)行診斷。按國際標準，宮頸癌細胞學(xué)篩查醫技人員每天閱片量應小于100例；人不是機器，始終無(wú)法避免因疲勞或經(jīng)驗的不同所造成人為診斷誤差。而蘭丁醫學(xué)開(kāi)發(fā)的AI宮頸癌診斷機器人“Landing”可以幫助醫生精準發(fā)現早期宮頸癌前病變，使得宮頸癌極有可能成為首個(gè)通過(guò)預防篩查而實(shí)現根除的惡性腫瘤。

       依托于這一AI技術(shù)，蘭丁醫學(xué)已經(jīng)在全國各地建立了400余家“蘭定標準細胞實(shí)驗室”，這些實(shí)驗室在省會(huì )城市三甲醫院、中小城市二甲醫院，甚至國內農村基層計生站均有覆及。

       這一全新篩查模式特點(diǎn)是結束了宮頸癌篩查依靠專(zhuān)家經(jīng)驗診斷的歷史，用大數據提高診斷質(zhì)量，靠現代化技術(shù)降低成本，從而提高大規模宮頸癌篩查效率以及癌前病變及陽(yáng)性檢出率，對降低宮頸癌的發(fā)病率及死亡率將發(fā)揮重要作用。此外，為解決世界發(fā)展中國家共存的基層缺乏腫瘤篩查專(zhuān)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(guò)了200萬(wàn)例。

       蘭丁醫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已于4月1 日向世界開(kāi)放，世界各國，特別是“一帶一路”沿線(xiàn)國家的婦女都有望分享中國人工智能云診斷平臺提供的高質(zhì)量低成本宮頸癌篩查服務(wù)。

       2.衡道病理

       衡道病理以“全職醫技團隊+一線(xiàn)會(huì )診專(zhuān)家+共建聯(lián)合平臺”多層級模式，依托“數字遠程會(huì )診網(wǎng)絡(luò )+實(shí)體中心&物流支持”，為廣大基層醫院提供病理會(huì )診及診斷支持，專(zhuān)注解決術(shù)中冰凍、疑難會(huì )診、各類(lèi)特色穿刺活檢和小標本快速診斷。旗下全基因組芯片平臺，提供20款多癌種分子病理智能報告軟件，讓分子病理走進(jìn)基層。

       依托AI專(zhuān)業(yè)團隊和技術(shù)儲備，衡道病理積極開(kāi)展與各類(lèi)知名三甲醫院科研合作，推進(jìn)病理人工智能（Path AI）穩健發(fā)展。運用衡道病理大數據優(yōu)勢（PathHub?），構建整個(gè)病理行業(yè)在人工智能時(shí)代的基礎設施，為病理醫生提供智能化輔助工具，提升診斷效率，實(shí)現病理大數據與技術(shù)成果的共享，助力行業(yè)升級。

       3.平安健康（檢測）中心

       2018年10月，平安租賃大手筆一揮，300億資金支持下1000家第三方檢測中心陸陸續續露出頭來(lái)。平安健康（檢測）中心的優(yōu)勢在于平安的整體構架。這一第三方檢測中心不僅擁有平安好醫生為其導流，平安傳統的保險業(yè)務(wù)也為患者提供的諸多可選的醫保與商保服務(wù)。

       如今政策已至，平安檢測的入駐則為整個(gè)賽道帶來(lái)了活力。當平安體系建立完畢后，也許國內第三方醫學(xué)檢驗將形成一個(gè)全新的局面。

       總結

       以上收錄的大多數為專(zhuān)注于“AI+病理”的企業(yè)，實(shí)際上，許多醫學(xué)影像類(lèi)人工智能企業(yè)早已經(jīng)開(kāi)始涉足病理領(lǐng)域，或自建醫學(xué)實(shí)驗室。從趨勢上看，病理背后精準醫療與AI的結合已成定勢。

       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(lèi)產(chǎn)品，成為人工智能在醫療領(lǐng)域最先實(shí)現商業(yè)化的場(chǎng)景。我們期望能看到更多志諾維思、知識視覺(jué)這樣的公司，透過(guò)病理數據的表象，連接基因數據，為攻克腫瘤等頑疾獻計獻策。

       科研也在不斷前進(jìn)，深度學(xué)習能讓科研人員更精確地量化細胞參數，更直觀(guān)地觀(guān)測腫瘤細胞的變化。

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

點(diǎn)擊下圖，預登記觀(guān)展