隨著悠久的醫(yī)學(xué)歷史，人類已經(jīng)從中總結(jié)歸納出了大量的醫(yī)療經(jīng)驗和知識。同時大量病例資源、臨床數(shù)據(jù)的積累，形成了龐大冗長的“大數(shù)據(jù)”集。這些“大數(shù)據(jù)”中包含著寶貴的人類醫(yī)學(xué)知識，但大部分卻是無用甚至失誤的醫(yī)療數(shù)據(jù)，這些“大數(shù)據(jù)”一方面挑戰(zhàn)著人類的大腦存量和決策能力，一方面為數(shù)據(jù)庫的建立和人工大腦的開發(fā)提供著豐富的素材。為了有效地應(yīng)用“大數(shù)據(jù)”，需要精準的分析手段和計算模型，人工智能（Artificial Intelligence,AI）正是將其轉(zhuǎn)化為規(guī)范可行的臨床輔診或決策工具的“利器”。
病理醫(yī)生需要人工智能嗎
臨床實踐中，醫(yī)生的水平主要依賴于個人經(jīng)驗與不斷的學(xué)習。經(jīng)驗不足往往限制了低年資醫(yī)生的決策水平，而學(xué)習時間不足是高年資醫(yī)生面臨的主要問題，這都會影響臨床決策的規(guī)范性和準確性。有研究表明，如果一名醫(yī)生緊跟醫(yī)學(xué)進展，需要每個工作日學(xué)習29小時，而這些學(xué)習數(shù)據(jù)中，有高達80%為非結(jié)構(gòu)化數(shù)據(jù)。
我國是癌癥大國，國家癌癥登記中心報告，2014年全國癌癥新發(fā)病例數(shù)為380.4萬例，占全球的20%以上，死亡病例數(shù)為229.6萬例。癌癥的確診、分型分期和個性化的治療方案很大程度上依賴病理結(jié)果。
病理診斷是指應(yīng)用病理學(xué)的理論技術(shù)，對病變組織、細胞直接進行形態(tài)學(xué)觀察分析做出的疾病診斷，是確診惡性腫瘤的“金標準”或“最終診斷”，是完全確立診斷并實施損毀性治療的根本依據(jù)，如大范圍的手術(shù)和放化療等。雖然病理診斷對疾病的定性，尤其是惡性疾病，是至關(guān)重要的，但我國的病理醫(yī)生卻面臨著嚴峻的困難：
?、倥R床需要病理醫(yī)生“快、準、高”地進行腫瘤診斷及分期分型，而且隨著醫(yī)藥和技術(shù)的飛速發(fā)展，對基本病理學(xué)和分子病理診斷提出越來越高的要求，病理診斷的規(guī)范化程度不能滿足目前的需求。
?、谌珖殬I(yè)病理醫(yī)生不足萬人，面臨至少十萬以上的人才缺口。病理診斷的價格和醫(yī)生的價值沒有充分對等，嚴重制約行業(yè)發(fā)展。
③腫瘤病理診斷的準確性依賴病理醫(yī)生的經(jīng)驗，需要其有著扎實全面的病理知識和實踐經(jīng)驗，主觀評估重復(fù)性差，切片質(zhì)量參差不齊。
智能決策系統(tǒng)就是能夠結(jié)合人工智能的學(xué)習分析能力及醫(yī)生專家的經(jīng)驗，從而得到更加準確的決策方案。越來越多的研究機構(gòu)嘗試將人工智能技術(shù)與病理診斷進行結(jié)合，進而產(chǎn)生病理人工智能這一新的研究領(lǐng)域。病理人工智能的目的是采用人工智能技術(shù)輔助甚至代替病理醫(yī)生進行病理診斷，從而解決病理醫(yī)生不足以及偏遠落后地區(qū)診斷水平較低的問題。智能病理的發(fā)展應(yīng)用不但能減輕病理醫(yī)師負擔，在一定程度上也可以彌補病理科醫(yī)生主觀分析的不足，提升病理的定性和定量判斷水平，提高病理診斷準確度，還能為病人提供個性化的治療意見和疾病預(yù)后判斷，推動精準病理的發(fā)展。
什么是人工智能
人工智能是一門綜合計算機科學(xué)、生理學(xué)、哲學(xué)的交叉學(xué)科。“人工智能”一詞最初是在1956年美國計算機協(xié)會組織的達特莫斯學(xué)會上提出的。2017年，我國國務(wù)院也將人工智能列為發(fā)展重點規(guī)劃，出臺了《人工智能輔助診斷技術(shù)管理規(guī)范》。
在醫(yī)學(xué)領(lǐng)域，智能病理、智能影像的大力發(fā)展，可以極大地提高腫瘤的精準診斷與治療。深度學(xué)習是人腦的一種抽象模型，使用人工神經(jīng)元作為基礎(chǔ)單元，可以構(gòu)建形成深度神經(jīng)網(wǎng)絡(luò)。卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）作為深度神經(jīng)網(wǎng)絡(luò)的一種類型，在圖像識別領(lǐng)域得到了深入研究，其模型錯誤率已降至2.251%，在2017年Image Net大規(guī)模視覺識別挑戰(zhàn)賽中超越了人類。
病理人工智能能用嗎
病理AI屬于AI+醫(yī)療領(lǐng)域的醫(yī)學(xué)影像診斷細分領(lǐng)域，應(yīng)用于疾病的診療環(huán)節(jié)，主要適用的技術(shù)包括數(shù)字化成像、圖像識別、人工智能算法等。病理AI開發(fā)過程主要包括有效數(shù)據(jù)的采集積累，算法開發(fā)和模型訓(xùn)練，以及醫(yī)院、第三方檢驗相關(guān)場景的應(yīng)用及數(shù)據(jù)迭代。
實現(xiàn)病理AI診斷的關(guān)鍵點在于標準化的制片、數(shù)字化的處理、足量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)對算法模型的訓(xùn)練、AI算法假陰性率的控制等。首先，數(shù)字病理技術(shù)是病理AI的基礎(chǔ)，其核心在于運用全玻片數(shù)字掃描技術(shù)（Whole slide imaging,WSI），對眾多病理切片進行全信息、全方位掃描，使物質(zhì)化的玻片變?yōu)閿?shù)字化的病理圖像。
其次，海量標注的數(shù)據(jù)構(gòu)建和訓(xùn)練模型，包括：圖像特征提取、檢測分析等步驟（如圖1）。一旦病理AI模型成功構(gòu)建，病理醫(yī)生就可以應(yīng)用AI病理輔診系統(tǒng)進行病理AI診斷，流程包括：標準化切片的制作、切片數(shù)字化掃描、AI算法讀片、AI提示陽性切片人工復(fù)核等環(huán)節(jié)（如圖1）。
目前典型的應(yīng)用場景是DNA倍體檢測。人體正常細胞為2倍體，分裂細胞處于2~4倍體狀態(tài)，而腫瘤細胞會出現(xiàn)4倍體以上的異常DNA倍體。通過對異常DNA倍體細胞的檢測，就可以知道樣本是否存在突變的腫瘤細胞，在癌癥的早期診斷中有較好的應(yīng)用，能夠有效提升診斷效率，提供標準化、數(shù)量化的檢驗指標。
此外，2017年3月，谷歌大腦（Google Brain）、谷歌公司與Verily生命科學(xué)的研究團隊應(yīng)用AI技術(shù)分析了130張乳腺癌病理切片，并與病理學(xué)家的診斷結(jié)果進行了對比。結(jié)果顯示，AI模型的準確率達到88.5%，超過病理學(xué)家的73.3%，且花費的時間更少。在肺癌病理診斷分類上，也有研究者開發(fā)出一種利用深度卷積神經(jīng)網(wǎng)絡(luò)對不同類型的肺癌（腺癌、鱗狀細胞癌、小細胞癌）進行自動分類的模型，準確率超過70%。另外，通過病理薄層細胞學(xué)檢測或HPV檢測進行宮頸癌篩查是當前病理AI最為廣泛的應(yīng)用場景。
病理人工智能可以用嗎
一旦病理AI跨入醫(yī)療領(lǐng)域進行臨床實踐，就要面臨眾多法律條文和醫(yī)療法規(guī)。首先，病理AI在進行診斷時，其法律主體是病理醫(yī)生還是計算機程序？其次，當病理AI的診斷出現(xiàn)失誤時，責任應(yīng)該由病理醫(yī)生負責，還是AI診斷服務(wù)提供商承擔？再次，當病理AI逐步向強人工智能進化的過程中，其診斷結(jié)果與人類病理醫(yī)生不一致時，最終的判讀由誰來裁決？最后，強人工智能病理AI進行了誤診，如何檢測系統(tǒng)漏洞？如何判讀是系統(tǒng)紊亂或是被攻擊，還是由于罕見病例導(dǎo)致的誤判？此外，還有網(wǎng)絡(luò)安全和病人隱私等等諸多問題。
人工智能與人類醫(yī)生的區(qū)別為何？
雖然本質(zhì)上，人工智能是對人類智能思維的模擬，但兩者在思維模式、創(chuàng)造能力及社會屬性上都有著很大的不同。
目前國內(nèi)病理AI行業(yè)
病理AI上游企業(yè)以安必平、鴻琪科技、福怡股份為代表，主要提供病理檢測試劑及病理智能診斷標準化前處理硬件設(shè)備等。中游為病理專家和智能算法軟件開發(fā)企業(yè)，如迪英加、視見科技、圖瑪深維等，在病理、影像、放療診療領(lǐng)域具備成熟醫(yī)學(xué)影像分析軟件平臺，擁有相關(guān)核心算法與技術(shù)實力。醫(yī)院、疾控中心、獨立實驗室以及金域醫(yī)學(xué)、華銀健康等第三方檢測平臺等構(gòu)成了病理AI行業(yè)下游的應(yīng)用終端，通過提供海量臨床病理數(shù)據(jù)與產(chǎn)業(yè)鏈上游企業(yè)密切合作，推進病理診斷的信息化、自動化和智能化。其中，臨床病理大數(shù)據(jù)平臺以及AI算法開發(fā)是病理AI企業(yè)搶占市場的核心競爭力。
2018年阿里健康牽頭，蘭丁高科、圖瑪深維等12家醫(yī)療健康A(chǔ)I企業(yè)共同建立面向醫(yī)療AI行業(yè)的第三方人工智能開放平臺。此外，蘭丁高科及麥克奧迪通過全方位打造從硬件設(shè)備、全自動智能化診斷篩查系統(tǒng)到第三方病理診斷中心，實現(xiàn)了一站式病理診斷服務(wù)的全覆蓋。
蘭丁高科依托其自主研發(fā)的病理診斷設(shè)備、病理AI系統(tǒng)、病理專家團隊、第三方實驗室網(wǎng)點，完成完整的商業(yè)閉環(huán)，公司于2018年實現(xiàn)了6個月內(nèi)完成37萬例“互聯(lián)網(wǎng)+人工智能”宮頸癌篩查項目。另外，蘭丁的產(chǎn)品“DNA細胞自動檢測分析儀”和“全自動數(shù)字細胞病理檢測系統(tǒng)”，已經(jīng)得到了CFDA、FDA、CE認證，在全國300多家醫(yī)院應(yīng)用于多種疾病的篩查。據(jù)測試，這種電腦閱片方式的工作效率約是人工閱片的20倍，85%的準確率也遠遠高于不確定性強的人工診斷。
麥迪醫(yī)療是麥克奧迪全資子公司，主營產(chǎn)品及業(yè)務(wù)包括病理切片數(shù)字化掃描與應(yīng)用系統(tǒng)、數(shù)字病理遠程專家診斷、細胞DNA定量分析系統(tǒng)及相關(guān)診斷耗材的技術(shù)支持與醫(yī)療診斷服務(wù)。
目前，人工智能還處于低人工智能階段，還需要病理醫(yī)生用海量標記好的病理圖像訓(xùn)練模型。同時，構(gòu)建好的模型也需要大規(guī)模多中心的臨床試驗進行驗證。行業(yè)的主要切入口在于通過對常見疾病的輔助診斷來降低病理醫(yī)生的重復(fù)性勞動，提升病理診斷效率。這一模式的關(guān)鍵在于控制病理AI的假陰性率，防止出現(xiàn)誤判導(dǎo)致的漏診。另外，有效數(shù)據(jù)的積累是現(xiàn)階段病理AI算法開發(fā)的重中之重。
總之，病理AI距臨床應(yīng)用還有很遠的距離，也還有很多棘手的技術(shù)難點需要解決。
第一，國內(nèi)大部分醫(yī)療數(shù)據(jù)存儲于醫(yī)院以及第三方檢驗機構(gòu)，數(shù)據(jù)中心建立尚不完善，共享程度尚低，共享機制和規(guī)范缺乏；
第二，不同檢驗機構(gòu)因設(shè)備、軟件的差異，數(shù)據(jù)標準化程度不一；
第三，AI診斷結(jié)果仍需病理醫(yī)生審核，并結(jié)合其他臨床資料進行綜合確診；
第四，病理切片染色的密度、切片的平整度、異物雜質(zhì)的引入以及制片時組織樣本的損壞程度等，均會影響病理切片的質(zhì)量；
第五，病理切片圖像采集過程中，壓縮圖像時引入的變形、噪聲以及一些切片掃描儀固有的特性，都將影響最終的電子切片圖像質(zhì)量；
第六，現(xiàn)有的病理診斷模型一般針對特定的某種疾病，病理AI模型的通用性差。這些因素都對圖像分析算法造成了阻礙，為人工智能算法的應(yīng)用帶來了重重困難，也是目前眾多研究者重點解決的問題和方向。
