4、Lunit

來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(yī)學(xué)最終診斷結(jié)果的關(guān)鍵步驟。

盡管病理學(xué)評級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)對淋巴結(jié)中乳腺癌轉(zhuǎn)移的自動檢測和階段評估，這是人類第一次嘗試將特定的病理學(xué)任務(wù)從頭到尾自動化。

對區(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，且圖片的最高分辨率達(dá)到了200，000 × 100，000像素，這需要耗費(fèi)病理學(xué)家大量的時間來對多個圖片進(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)測算法，該算法將多個淋巴結(jié)組織切片的腫瘤轉(zhuǎn)移的檢測和分類整合到一個臨床結(jié)果中，使用來自Camelyon17數(shù)據(jù)集的淋巴結(jié)組織學(xué)圖像來建立一個預(yù)測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。

場景：植入器械的人工智能

既然我們可以設(shè)計出深度解析病理影像的軟件，那何不直接在影像采集時就對其進(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，最高通量400片，實(shí)現(xiàn)了24小時無人值守自動掃描。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)平臺以AI技術(shù)為輔助，已積聚了全國近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，每個省選取5～10位副高級以上專家，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)快速掃描整個玻片及進(jìn)行結(jié)核桿 菌計數(shù)，診斷出肺結(jié)核。

傳統(tǒng)的痰涂片檢測醫(yī)學(xué)圖像處理方式是算法依據(jù)建立的規(guī)則對圖像進(jìn)行處理，規(guī)則不能適配所有個體，所以檢測的準(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 掃描圖像并進(jìn)行智能檢測分析，醫(yī)生輕松輸入指令，AI 就能自動識別、檢測痰液染色涂片，之后定量計算和生成報告，并將檢測結(jié)果實(shí)時顯示到客戶端中，及時提醒又不打擾醫(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，對病理切片進(jìn)行定量分析是一個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無代碼化病理AI應(yīng)用研發(fā)云平臺，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(shù)據(jù)與基因庫進(jìn)行關(guān)聯(lián)，在進(jìn)行實(shí)驗(yàn)時同時監(jiān)測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，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圖譜，并開發(fā)了中文病理報告自然語言處理、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)。這將為研究計劃提供病理文本、圖像和基因組數(shù)據(jù)分析功能，同時也能為參加項(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。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。

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。

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)室在省會城市三甲醫(yī)院、中小城市二甲醫(yī)院，甚至國內(nèi)農(nóng)村基層計生站均有覆及。

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已于4月1 日向世界開放，世界各國，特別是“一帶一路”沿線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(yī)技團(tuán)隊(duì)＋一線會診專家＋共建聯(lián)合平臺”多層級模式，依托“數(shù)字遠(yuǎn)程會診網(wǎng)絡(luò)＋實(shí)體中心＆物流支持”，為廣大基層醫(yī)院提供病理會診及診斷支持，專注解決術(shù)中冰凍、疑難會診、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，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專業(yè)團(tuán)隊(duì)和技術(shù)儲備，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（PathHub？），構(gòu)建整個病理行業(yè)在人工智能時代的基礎(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。

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(xù)續(xù)露出頭來。平安健康（檢測）中心的優(yōu)勢在于平安的整體構(gòu)架。這一第三方檢測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，平安檢測的入駐則為整個賽道帶來了活力。當(dāng)平安體系建立完畢后，也許國內(nèi)第三方醫(yī)學(xué)檢驗(yàn)將形成一個全新的局面。

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。從趨勢上看，病理背后精準(zhǔn)醫(yī)療與AI的結(jié)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)化的場景。我們期望能看到更多志諾維思、知識視覺這樣的公司，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)，更直觀地觀測腫瘤細(xì)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(zhuǎn)向病理，或許能發(fā)掘到令人意想不到的潛力。

文 ｜ 趙泓維

網(wǎng)站、公眾號等轉(zhuǎn)載請聯(lián)系授權(quán)