标准化、平台化、产品化….病理AI如何走完“最后一公里”?

历时107天 , 阿里云天池主办的"数字人体"视觉挑战赛落幕收官 。 此次大赛以宫颈癌为切入口 , 旨在通过提供大规模经过专业医师标注的宫颈癌液基薄层细胞检测数据 , 让选手能够提出并综合运用目标检测、深度学习等方法对异常细胞进行定位以及对宫颈癌细胞学图片分类 , 提高模型检测的速度和精度 , 辅助医生进行诊断 。
英特尔是此次大赛联合主办方 , 其开创的英特尔深度学习加速技术 , 极大的提升了本次比赛的推断效率 。 大赛期间 , 来自12个国家和地区的近3000名选手带来的超过2000项病理AI技术创新成果 , 为数字病理临床应用变革注入了新的活力 。
标准化、平台化、产品化….病理AI如何走完“最后一公里”?
文章图片
获奖选手与嘉宾合影
2020年6月13日下午 , 由阿里云天池、Intel共同主办的数字病理产学研研讨会在杭州举行 , 二十余位来自医疗机构和产业界的嘉宾就病理AI的临床需求和未来发展趋势进行了深入探讨 , 研讨会由动脉网联合创始人、COO毕元锋主持 。
应用落地是关键
参与此次"数字人体"视觉挑战赛的项目中 , 部分算法模型具备直接应用至各大医院数字化设备中的条件 。 阿里巴巴达摩院医疗AI总监迟颖认为 , 这是很好的趋势 。
标准化、平台化、产品化….病理AI如何走完“最后一公里”?
文章图片
阿里巴巴达摩院医疗AI总监迟颖
在开场致辞中 , 迟颖将人工智能技术比作医疗健康的导航仪 , 通过技术前移实现治未病的目标 。 目前 , 医疗AI主要研究方向是用视觉引擎、知识引擎、搜索引擎等技术辅助医疗行为 , 使医疗分析、健康管理、公共卫生变得高效、普惠、低成本 。 迟颖认为 , 医疗机构、基层公共卫生保健、医疗保险、医疗器械与耗材等都可以成为医疗AI应用落地的场景 , “随着传统机器学习不断向深度学习转化 , AI在医疗中的主流价值越来越明显 , 已经成为一种不可缺少的前进动力 。 ”
Intel云计算和人工智能首席工程师胡潇也强调 , 医疗AI技术的关键在于真正的落地 , 而并非阳春白雪式追求象牙塔里的学术成果 , 需要更好地造福广大老百姓 。 可喜的是 , 现阶段的AI技术创新已经不仅考虑到算法成就 , 也尝试落地减少每一个病患的疾病负担 。
医疗机构的病理AI需求是怎样的?
近年来 , 许多病理AI产品被应用到临床创新实践中 。 但是AI作为底层核心技术 , 推动这个领域真正成熟、成体系 , 还有一段距离 。
标准化、平台化、产品化….病理AI如何走完“最后一公里”?
文章图片
【标准化、平台化、产品化….病理AI如何走完“最后一公里”?】数字病理产学研研讨会现场
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发表主题为《远程病理与人工智能的再思考》的远程演讲 , 分享了对远程病理的三点看法和对人工智能的三点思考 。
步宏教授认为 , 第一 , 远程平台智能水平以及友好体验不够 , 很多数字化元素没有充分利用 , 不能用传统病理的思维做远程病理平台;第二 , 开展远程病理诊断时 , 应注意区别操作难易程度 , 调动医生的参与积极性;第三 , 远程病理平台应该利用AI技术革新病理诊断报告的内容与形式 。
算法、算力以及医疗大数据的共同应用是AI进步的三大基本条件 , 其中 , 充分利用医疗大数据是最重要的元素 。 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 。
步宏教授指出 , 第一 , 病理AI一定要在使用中完善与成熟;第二 , 应用场景作为病理AI的“最后一公里” , 是薄弱环节 , 应当格外重视;第三 , 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 。
在我国 , 执业医师短缺是病理科面临最现实的问题 , 浙江大学健康医疗大数据国家研究院副院长吴健表示 。 这背后更深层次的困境是病理诊断复杂并且工作量巨大 , 以及为了不直接接触患者的科室 , 病理科技术迭代滞后 , 病理科人力成本仍占总支出近40% , 在现有条件下拓展病理科医师队伍难度大 。
中南大学湘雅二院病理科副主任蒋谊表示 , 做病理AI , 只强调人工智能是不够 , 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 。 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 。 病理AI产品应该让病理科医生用起来舒服 , 而不是终结病理科医生 。
浙江省肿瘤医院病理科主任孙文勇表示 , 细胞病理、分子病理在临床实践中是比较新的技术 , 医生的数据整合与结果分析经验较少 , 组织病理分析诊断是病理科工作量最大的部分 , 如果能够开发出足够有效的组织病理AI产品 , 医生的工作量将大大减少 。
瑞金医院病理科副主任谢静指出 , 病理科专业性非常强 , 不同专业相差很远 , 相比肺癌、胃肠癌等 , 内分泌肿瘤样本的异质性较小 , 或许适合被作为AI的应用方向 。
病理界和企业界之间要产生一种相互宽容的机制 , 河南省医学科学院副院长、河南肿瘤医院病理科主任郭永军强调 , 整合所有医疗信息用于病理诊断要有一个过程 , 双方的期待值都不能过高 。 郭永军主任建议 , 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
此外 , 来自第三方病理诊断中心的嘉宾也分享了他们的观点 。 华银健康集团副总经理温韵洁表示 , 华银健康在日常的服务过程中 , 积累了大量开发AI产品所需的数字切片数据 , 病理医生与AI团队要相互理解 , 在做应用选择时 , 可以选择相对简单、但医生最需要的方向 。
对于孙文勇主任提出的组织病理AI需求与细胞病理AI供给之间的错配 , 衡道病理技术总监、首席科学家刘净心博士表示 , 细胞病理对应着量化分析指标 , 并且机器完成效率高于人工 , 因此更容易落地 。
现阶段的病理AI落地遭遇了哪些困难?
医学影像具有高维高密的特点 , 在主题为《医学影像+人工智能的特点、技术与趋势》的远程演讲中 , 中国科学院计算技术研究所研究员周少华指出 , 现阶段数据差异性大、存储分散、大批量标注数据少、样本多模态、对应疾病类型多样等难题 。 不过 , 周少华表示 , 前述难题都存在对应的趋势性技术 , 学术界、医疗机构和产业界应当通力合作 。
江丰生物布局国内市场近9年 , 是国内供货量最大的数字病理扫描设备厂商之一 。 2019年5月 , 江丰生物基于数据积累自主开发的宫颈癌筛查产品获得了第二类医疗器械注册证 。 不过 , 江丰生物董事长刘炳宪认为 , 目前病理AI仍处于初级阶段 , 他同样提示了多点合作的重要性 。
由于缺乏统一的标注标准 , 基于不同医生、医疗机构 , 甚至试剂耗材构建的病理AI模型并不具有可复用性 。 迪英加科技董事长杨林表示 , 在一次尝试将模型训练中敏感度99.5%的高特异性产品推向市场的过程中 , 他们甚至曾得到过准确率与产品参数完全不一致的负面反馈 , “与病理专家讨论与交流比想象复杂 , AI落地面临包括模型分析能力、数据非标、医疗服务收费标准等许多问题 , 需要专家与企业一起努力 。 ”
人工智能并不是现在才开始结合各个行业 , 深思考CEO杨志明指出 , 看似一件事很简单 , 比如宫颈癌细胞学筛查 , 会越做越深入就越难 。 一个普遍存在的窘境是 , AI不懂病理、细胞病理不懂AI , 无法产业化 , 彼此结合至关重要 。 不过 , 杨志明相信 , 现阶段是病理AI“黎明前的5、6点” , 突破即将到来 。
据调查 , 在医生的使用率方面 , 影像方面已经非常高了 , 医生点击率已超过80% , 视见科技CEO陈浩用数据验证了杨志明的观点 , “AI证明了自己的价值在在某些细分领域 。 ”
医生需求不一样 , 对模型的要求也不一样 , 卫宁健康人工智能总监刘鸣谦指出 , 新产品、新技术打通应用路径的过程中 , 填平鸿沟、构建桥梁也很重要 。 基于此 , 算法可能是病理AI整个链条中非常小的一个问题 , 她认为 , 有很多其他问题需要行业合作解决 。
未来2~3年 , 病理AI将如何发力?
正如步宏教授所言 , 病理AI要在使用中完善 。 阿里云市场营销和公共事务总经理刘湘雯指出 , 病理AI是很窄很垂直的领域 , 但从从技术到医生会涉及非常长的产业链 , 开发AI的人找到自己的位置要产生业务价值 。 具体到病理AI , 就是要节约医生的时间和医疗成本 。
那么 , 完善的路径会是怎样的?参会嘉宾纷纷给出了他们的方案 。
病理AI应用落地应该先易后难 , 赛诺特创始人齐华认为 , 从好识别、容易定量化的标志物做起 。 通常 , 试剂厂商都有成熟的商业模式 , 齐华建议 , 可以直接将AI产品与试剂组合 , 让AI有变现通道的同时提高了试剂的竞争力 。
考虑到外部环境可能产生的影响 , 易普森首席算法科学家周旭呼吁国内硬件厂商多研发病理AI的基础元器件 , 尽快把国产设备做大做强 。 兰茜生物技术负责人韩方剑则表示 , 最现实的一件事 , 服务好病理医生 , 获得医生认可 。
商汤科技智慧健康病理产品负责人黄晓迪指出 , 可以用更平台化的思路去解决病理AI落地的问题 , 从区域到医院 , 再到科室 , 将影像科与病理科数据打通 , 通过不同数据模态间的融合真正地推动数字病理进化的过程 。
作为研讨会的最后环节 , 动脉网蛋壳研究院发布了联合阿里云天池、Intel共同制作的《数字病理诊断排行榜》 。 动脉网认为 , 病理AI产业生态合作十分必要 , 各个专业间应当结合起来 , 面向实践、场景去解决医生真正关心的问题 , 也希望包括政府机构在内的更多群体能够关注病理AI的应用成长 。


    推荐阅读