AI技术让病理检测更“聪明”

发布时间:2020-06-28 聚合阅读:
原标题:AI技术让病理检测更“聪明”被人工智能技术加持的病理学诊断,将会为中国医学界带来怎样的福音?据行业专家预测,AI病理技术将填补中国4-9万的病理医生缺口...

原标题:AI技术让病理检测更“聪明”

被人工智能技术加持的病理学诊断,将会为中国医学界带来怎样的福音?

据行业专家预测,AI病理技术将填补中国4-9万的病理医生缺口,进而极大地解放更多医疗资源。同时也将大幅提升检测效率和精准度,化身“医生的医生”,成为病理医生们的“最强大脑”。有了AI技术,病理科医生们再也不用坐在显微镜前小心翼翼地反复查看,将切片电子化就可直接在电脑中读取,且电脑屏幕上的切片样本将更加清晰、明朗。

聪明的人工智能还会辅助病理医生进行初筛,完成一些简单而繁重的工作,用最快速度完成人脑不擅长且易出错的工作,保障数据的精准度。在临床应用上,宫颈癌筛查等AI产品已率先得到了开发。

从“数字视觉挑战赛”看病理AI的“聪明”秘诀

在病理检测也要进入AI时代时,人们不禁会发问,病理AI到底从哪些方面进行了提升和修改?为回答大众疑问、切准行业痛点,阿里云天池联合英特尔举办了“数字视觉”挑战赛-宫颈癌风险智能诊断,以赛事强化人工智能与病理检测的深度结合。

“数字人体视觉挑战赛”将探索机器视觉等AI技术在宫颈癌筛查的应用前景,会大大加速人工智能技术在病理领域的普及,提升我国医疗服务质量,推动智能医疗产业发展。

大赛选取宫颈癌的早期筛查作为突破口,目前已搜集到了一批创新性强、复用率高的算法案例,为病理AI的未来发展提供了新思路。这项比赛可以有效落实人工智能与病理筛查深度融合的应用落地,由点到面地驱动国内人工智能医疗产业长足发展。

本次大赛由阿里云计算有限公司和英特尔(中国)有限公司主办,北京协和医院指导。人工智能领域巨头英特尔为参赛选手提供硬件和技术支持。

用于比赛中的英特尔 ? 深度学习加速技术(VNNI 指令集)极大提升了本次比赛的推断效率,将病理筛查的判断时间从 5s 降到 0.1s。而长期关注“AI+医疗影像”前沿应用的阿里云一直致力于培育新业态发展,策划本次比赛是为了深化健康大数据创新。每一个参与机构都是行业标杆,这也从另一侧面说明了医学界对数字病理领域的重视程度。

据天池大赛官方表示,本次赛事总奖金达70万元,参赛选手不仅有望获得丰厚的奖金,相关赛事成果也将第一时间对接医疗产业,加快科研创新和转化进程。

来自细胞检测分类算法赛道和 VNNI 赛道的 20 支队伍通过层层角逐决出了胜负。deep-thinker 团队和 LLLLC 团队分别获得了算法赛道和 VNNI 赛道的冠军。选手采用模型量化的方法后单张 ROI 区域细胞检测仅需要 0.1s;选手比赛中所沉淀的算法可以嵌入到市面上常用的宫颈癌细胞学数字扫描设备中;预计节约医生 10~20 分钟的阅片时间。

此次大赛以宫颈癌为切入口,是希望通过提供大规模专业医师标注的宫颈癌液基薄层细胞检测数据,让选手对宫颈癌细胞学异常鳞状上皮细胞进行定位并对其细胞学图片分类,以提高模型检测的速度和精度,辅助医生进行诊断。选择宫颈癌早期筛查作为切入点,是因为考虑到其细胞学检测的可操作性更适合当前的数字病理检测水准。

此外,宫颈癌作为妇科最常见的恶性肿瘤,居我国女性死亡率排名第二,因此宫颈癌的防治非常重要。在医疗行业,医生通常采用宫颈癌细胞学对宫颈进行筛查和接种疫苗来降低罹患宫颈癌的风险。其中宫颈细胞学阅片人员匮乏,阅片数量压力大,引入更高效、精准的机器阅片帮助医生做病灶位置粗筛、疾病辅助诊断已经成为潮流。

“现代科学技术的介入对于医疗工作有着很大的推动。”大赛指导单位北京协和医院郎景和院士希望能够通过这次大赛摸索出更便捷和准确的筛查方法,将宫颈癌的筛查和防治工作推向一个新的高度。

在总决赛期间,大赛组委会还举办了“2020 阿里云天池数字病理视觉挑战赛和研讨会”,吸引了来自第三方病理诊断中心、学术界、产业界的多位数字病理行业前来。研讨会还重磅发布了《数字病理诊断排行榜》,评选出了数字病理行业产业链各个环节的 Top 级企业。

AI技术助力数字化病理检测走完“最后一公里”

在我国病理检测领域,人才缺失依然是最大的问题。培养病理医生的周期非常长,培养出一个经验丰富的高年资诊断医生大约需要十年时间,且病理工作强度高,让很多学病理的医生都没能坚持到最后。尤其是顶尖的三甲医院,工作量更是无法想象:仅2017年一年,301医院的活检病例就已达到近9万例,这9万例报告每例都要经过普通医生从大体标本取材、一线医生阅片、二线医生阅片到报告签发的过程。有些疑难病例还要经过三级医师阅片,甚至全科医生的集体讨论。因此医生加班阅片已是常态,至少1/3的病例检测是在加班时间完成的。

此外,病理科不像诊断科、影像科具有自动化程度低的特点,常规的病理检验所需时间至少在 3 天以上。如果有较为疑难的病症,加做免疫组化或分子病理,所需诊断时间达 7 - 10 天。相比之下,检验、影像科室的检验项目大部分在当天即可完成。

当前的病理诊断主要是以手工操作为主导,所以当下的主要切口在于降低重复性工作,提升病理诊断效率。人才培养和诊断周期过长加剧了医院病理检测的压力,技术应用场景还是病理AI的“最后一公里”,目前属于薄弱环节。而AI技术的出现将有效辅佐我国病理检测行业走好这“一公里”。

目前,病理 AI 的研究主要有三个部分,包括开发模型、建立关联性和预后预测,可以覆盖从基层医院到三甲医院的不同应用场景。人工智能将以迅速、标准化的方式处理医学影像,分辨出单个小区域内被标注为“肿瘤”的像素,对可疑影像进行勾画、渲染,并给出辅助诊断建议。

虽然许多病理AI产品被应用到临床创新实践,但底层核心技术还没有达到能推动这个领域成熟、成体系的地步。中华医学会病理学分会前任主任委员、四川大学华西医院病理科教授步宏在主题为《远程病理与人工智能的再思考》的远程演讲时就提出,病理AI一定要在使用中完善与成熟,要建造信息共享平台,用灵活的机制与运作打破病理人工智能的研发孤岛。“病理诊断需要整合各种维度的医疗信息,病理AI的目标应该是提供多元量化指标的支持系统。”

走好病理AI的“最后一公里”,不是让AI技术取代病理科医生,而是提高其工作效率和准确度。没有病理医生参与的病理AI最后也很难获得商业上的成功——做病理AI只强调人工智能是不够的,病理是非常复杂的学科,不能拘泥于切片扫描与标注、深度学习等技术,要把诊断专家的经验与数字扫描分析结合起来。

在这样的语境下,病理界和企业界之间要产生一种相互宽容的机制。整合用于病理诊断的医疗信息需要过程,因此双方的期待值都不能过高。创新企业可以贴合政策需求,巧力推动病理AI落地和产业发展,帮助病理AI走好这“最后一公里”。相信随着临床需求以及市场对病理重视度的提高,病理AI在不久的将来会蓬勃发展,为病理诊断带来新的变革。(诺诺 / 数据猿)

数据猿官网原文:http://www.datayuan.cn/article/17206.htm