安檢機 | X光安檢機 |
新聞資訊
美國數字病理學初創公司Paige.A I通過人工智能診斷癌癥獲得了FDA 授予的突破性設備”稱號，近日。這家成立缺乏2年的公司接手了斯隆-凱特琳癌癥中心（MSKCC獨家授權的400多萬個包括病理學信息和電子病理的檔案，這些數據給予了改變世界的可能。很明顯，抓住了這個機會。
醫學影像作為計算機視覺中的子應用已被廣泛應用于放射領域，反觀國內。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已經走出國門。
AI病理市場潛力巨大，作為精準醫療的支撐。規模可達數百億人民幣，但專注于此的守業公司屈指可數，僅有的幾家企業的融資輪次最高至A輪，與放射科的醫學影像發展判若云泥。
看看AI+病理到底是一塊怎樣的土地。看似甘甜的果實為何無人采擷？無妨從技術、產業等角度進行分析。
AI病理是否能復制放射的榮光？
可以說病理診斷的準確與否直接影響著患者的健康和命運。病理科被“現代醫學之父”威廉·奧斯勒稱為醫學之本。
保存高質量圖像信息，數字技術的呈現使醫者能運用數字技術對病理圖像進行攝取、拼接、壓縮、貯存等。并結合數據庫技術形成數字病理切片系統。這種方式打破了保守病理學在存儲、保真性和檢索等方面的局限，通過圖像的瀏覽分析來完成病理分析、疾病診斷、遠程傳輸和病理教學等任務。
其病理學中的應用包括基于數字圖像的細胞學初篩、形態定量分析、組織病理診斷和輔助預后判斷等方面。其中蘊含的價值自然顯而易見，人工智能則是基于數字技術的升級。僅僅是病理診斷，其中市場便已包羅萬象。以胃癌為例，每年有超過2000萬人次不得不多次前往病理科進行胃鏡活檢。初略估計，這一市場規模高達百億人民幣。
病理切片還有更深層次的信息有待挖掘，除此以外。新藥研發、基因甚至還有新的第三方服務模式都在改變著現有的病理科室。
但這些數據的質量整齊不齊，但這些病理人工智能企業的發展速度無法與影像AI企業相比。雖然每年醫院會生產大量病理數據。結構與維度上都存在較大的差別。要通過這些數據撫育算法，需經歷脫敏、清洗等過程，其中的困難水平可想而知。
之所以沒有企業能復制Paige.A I勝利，簡單而言。因為目前國內沒有企業能擁有MSKCC那樣海量而標準的病理數據。
第三方醫學檢測的中心與醫院的科研需求正推動著數據以合理的形式流入人工智能，而這一問題正在逐漸化解。各級從業者越來越重視醫療數據的結構問題。同時，更多細分領域的效果也越來越依托與對病理信息的處置，相關科研發展對于人工智能的需求直線上升，并緩慢的向產品進行轉化。
精準醫學的發展離不開人工智能
經過干預的腫瘤細胞、動物樣本和人體樣本的形態學會發生相應改變，科研項目中。這種改變需通過特殊的方式予以顯示和統計。
必要時行免疫組織化學或免疫熒光檢測協助判斷，既往研究對于形態學的觀察主要集中于肉眼和顯微鏡。而后拍照進行人工計數或借助軟件統計。上述方法極具主觀性，易發生假陽性，重復性差，亟需一種新的手段評價形態學變化。
結果顯示深度學習算法診斷的曲線下面積AUC為 0.556~0.994病理醫師診斷的AUC為 0.724其中深度學習最佳算法在診斷模擬中的表示優于病理醫師。ISBI舉辦的研究者挑戰賽評估了深度學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。
王斐、魏培蓮、潘軍、武清、于觀貞共同著作的人工智能技術在組織和細胞形態學評估中的應用》詳細介紹了現有研究效果下的應用場景。而在產業之中，深度學習的應用不只于此。許多企業正是以這些研究為導向開始了基因、藥物研發方向的開拓。
1機體組織樣本中內部特征的量化分析與臨床評價
主要通過術后病理切片評估獲得。腫瘤間質比(TSR指腫瘤組織內腫瘤細胞與間質成分的比值。
結腸癌、非小細胞肺癌、乳腺癌、食管鱗癌、鼻咽癌、宮頸癌、肝細胞癌等實體瘤中。TSR影響腫瘤患者預后的獨立危險因素。既往主要由醫師通過顯微鏡下觀察肉眼判斷TSR大多以 50%作為間質豐富或缺乏的界定值。
一是醫師經驗決定了TSR精準性，這種評判規范存在許多問題。二是50%臨界值并不一定準確。應用人工智能技術可準確量化TSR如果腫瘤細胞判斷準確，TSR可以精確到個位數。
論文作者王斐等人的研究小組利用人工智能技術判讀某張腫瘤組織病理切片的TSR可見肉眼判讀的TSR為 30%~50%而通過人工智能技術判讀的TSR為27.3%標明人工智能技術在識別腫瘤樣本內部特征方面具有明顯優勢。
富含腫瘤特異性細胞毒性T淋巴細胞和自然殺傷細胞，腫瘤浸潤淋巴細胞(TIL指從腫瘤組織中分離出來的浸潤淋巴細胞。鑒定和評價腫瘤內部的TIL對于判斷預后和指導治療具有重要價值。AI技術可在其中發揮重要價值，國內企業深思考便是以此為突破設計人工智能產品。
保守的基于H-E染色或免疫組織化學染色的分析極具主觀性，對于如何定量TIL以及分析它空間分布。且耗時費力、準確性差，而AI能夠高校準確地運用卷積網絡計算淋巴細胞數量與空間分布。
提出了基于13種TCGA 腫瘤類型的H-E圖像的TIL映射。這些TIL映射 通過計算染色得到使用訓練好的卷積神經網絡對圖像進行分類，Saltz等利用腫瘤基因組圖譜TCGA 數據庫。揭示了TIL模式的局部空間結構，并與總體生存時間進行關聯。
目前評價神經侵犯的方式仍是顯微鏡下肉眼觀察，第三個定性分析應用是用AI識別神經侵犯淋巴結轉移。易漏診，且不能反映整張切片的神經侵犯狀態。王斐等人的研究小組采用深度學習技術對肝門部膽管癌腫瘤細胞和神經組織分別進行學習和識別，顯示了腫瘤細胞侵犯神經組織的全過程，包括腫瘤細胞首先向神經組織聚集，而后侵犯神經鞘膜，然后侵蝕神經纖維，最終沿著神經轉移。
韓國企業已經借此技術打造了以乳腺癌為目標的AI產品。如今。
2細胞和動物組織樣本的量化分析與藥效關系
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形態學方法予以展示和評價。保守的基于H-E染色或特殊染色的顯微鏡下肉眼觀察和判讀具有局限性。基礎研究和臨床藥效評價會使用細胞和動物模型。
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。這些表示均極具特征性和規律性，痛過深度學習技術學習細胞和動物病變樣本的形態學表現。因此利用人工智能技術進行藥效評價的可操作性強。本研究小組前期構建了膽管癌動物模型，采用不同藥物進行干預，然后利用人工智能技術學習該疾病特征，結果標明人工智能技術可清晰顯示疾病的發生過程和臨床療效。
3細胞識別與分選
但少有研究集中于細胞的形態學變化。倫敦癌癥研究所的ChriBakal教授和 JuliaSero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，細胞學實驗是基礎和臨床轉化研究的基石。采用類似于神經網絡研究的方法分析了不同治療條件下數以千計的個體乳腺癌細胞的形態和 理特征，并對線粒體群體的變化和趨勢進行了檢測。該研究將會在表型篩選和未知藥物作用機制的研究中發揮作用。
用于識別和分選細胞。鬼影細胞測定儀以每秒1萬多個細胞的速度識別細胞，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與人工智能技術結合。以每秒數千個細胞的速度對細胞進行分類。
時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，此外。可以直接在壓縮波形上應用機器學習而不必進行圖像重構，實現高效的基于圖像的無形態學細胞檢測。這種方法將用于識別和分選患者血液中的循環腫瘤細胞，加速藥物 發現和改進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
除可使用H-E染色外，評價藥物或基因干預效果時。還可借助特殊染色輔助判別，包括免疫熒光技術和免疫組織化學技術。其中免疫組織化學技術因具有經濟、方便、快速和高通量等特點而應用廣泛，但由于技術水平差別和評價體系的局限性，其結果規范性較差。
特征性明顯，由于免疫組織化學染色圖像也屬于二維圖像。人工智能技術非常適合對其結果進行判讀和一致性評價。并對染色情況進行自動評分。
場景：病理診斷
醫生的職責是為了給予患者診斷建議，診斷是人工智能在病理領域的一個直觀的應用。常人的刻板印象中。而人工智能則是為了替代醫生。
但作為一種數據處理手段，這種印象顯然存在邏輯問題。經過恰當訓練的AI確可以全方位地審視病理數據信息，以輔助醫生做出判斷。
國內從事影像數據的分析的AI企業占據了AI+病理”半壁江山，事實上。動脈網記者采訪了局部國內外從事病理影像診斷的企業，并將其特點總結如下。
1透徹影像
其產品瞄準于肺、胃、腸、淋巴結、前列腺和乳腺六個病理場景。成立于2017年的透徹影像是一家專注于病理的人工智能企業。
這仍是一片藍海市場，透徹影像CTO王書浩認為：場景的選擇是出于市場考慮。希望能在開端惠及更多的患者，胃癌便是如此。
其中大部分的需求次數為兩次及其以上。如此大量的篩查，中國每年大概有2000萬名患者擁有活檢的需求。國內的病理科資源實在難以勝任。同時，胃、腸方向，醫生的重復勞動率非常高。很多時候患者可能僅僅是患有腸炎，但仍進行以腸癌為目標導向的治療，這種情況導致了很多無謂的活檢，而人工智能技術可以快速的甄別這一問題。
透徹影像AI對于胃部惡性腫瘤識別的敏感性現已達到100%特異性也達到90%現有狀態下，基于解放軍總醫院2017年胃部病理切片測試演講。該篩查準確率已經達到一個相當高的規范。
該公司將著手對篩查出的癌癥進行準確劃分，而后。確認胃癌的每一個分型，以給出更加精準的診斷建議。
2深思考
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。至今為止，深思考人工智能(iDeepwise.ai自成立以來。深思考已經完成了近10萬例宮頸玻片的回顧性分析研究。
其TCT輔助篩查產品癌前病變的敏感性從人工閱片的65%提升至接近100%陰性預測值提升至80%左右，研究過程中。可有效降低閱片醫生8成閱片工作量。
相同評測條件下，其CEO楊志明談到宮頸細胞公開數據集Helerv采用MS-CNN深度學習細胞分類算法。各項指標逾越美國國立衛生研究院NIH分類結果（敏感性超過NIH結果1-1.5%達到該數據集上全世界最優的結果。
深思考可根據已有的TCT輔助篩查收費目錄進行收費。根據國家發布最新醫療價格項目規定，未來商業化方面。宮頸細胞學計算機輔助診斷價格為100元/次-160元/次，依照目前全國每年進行宮頸癌篩查的婦女約為1.1億人次計算，預計未來平均每年將可產生100億-200億人民幣的經濟效益。
3迪英加
迪英加的AI+病理”產品可謂面面俱到以覆蓋盡可能多的癌癥患者。相對于其他病理企業。
而每年做細胞篩查的量級近一個億，迪英加開創人楊林告訴動脈網記者：中國每年新增的癌癥患者近500萬人。這是一個非常大的數量。而我產品覆蓋了所有的病理科室會用到各個大類，以及所有類型中至少50%以上的各種病變，其廣度可達世界首位。
迪英加以D-PathAI人工智能病理輔助診斷系統為核心，產品設計上。細胞病理方向開發了20余個智能分析模塊，可協助診斷胃癌、肺癌、膀胱癌、乳腺癌、腎癌、前列腺癌等癌癥分型。
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行判讀。分子病理方面。
迪英加已經運用AI讀取了近百萬例宮頸切片，如今。其他類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冠軍。
其中《Pathologist-levelInterpretWhole-slidCancerDiagnosiwithDeepLearn被NaturMedicin影響因子30所收錄。迪英加的產品源自于迪英加開創人和迪英加研究院在AI-數字病理領域發表的100多篇SCI文章。
迪英加將采取模塊化銷售的方式，商業化方面。即醫院病理科可選擇最適合自己的模塊進行購買，并可在未來進行模塊擴充。
4Lunit
其胸部X光攝影和乳房X光機攝影用于疾病最初檢測與篩查，來自韓國的人工智能企業Lunit為乳腺癌研發了一整套的人工智能產品。讓他乳腺組織病理切片評級是醫學最終診斷結果的關鍵方法。
但該領域還是缺乏可量化的客觀規范和詳細的解釋過程，盡管病理學評級在診斷過程中起著很重要的作用。數字病理學的呈現為解決該問題帶來了希望。
為的客觀地解釋組織樣本中不同的形態學特征，Lunit數字病理學研究上花費了不少財力和人力。并在提高組織病理學診斷的準確性、高效性和一致性上進行創新。
Lunit引入了一種人工智能算法，2017年。可以實現對淋巴結中乳腺癌轉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任務從頭到尾自動化。
且圖片的最高分辨率達到200,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擴散到淋巴結）這一診斷過程需要進行檢查的圖片數據量非常大。000100,000像素，這需要耗費病理學家大量的時間來對多個圖片進行仔細審查，最后正確確定pN-stage
開發出一種高度精確的pN-stage預測算法，Lunit運用其深度學習技術。該算法將多個淋巴結組織切片的腫瘤轉移的檢測和分類整合到一個臨床結果中，使用來自Camelyon17數據集的淋巴結組織學圖像來建立一個預測pN-stage算法，該算法的性能水平超越了目前世界上大多的領先技術，其有可能顯著提高病理學家的效率和診斷準確性。
場景：植入器械的人工智能
那何不直接在影像采集時就對其進行優化呢？既然我可以設計出深度解析病理影像的軟件。
一些傳統的器械企業也在嘗試將過去死板的儀器智能化，如今。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
其產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，福怡股份是一家深耕病理15年的醫療器械公司。能夠為病理科提供智能診斷整體解決方案。
最高通量400片，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。實現了24小時無人值守自動掃描。病理切片高速掃描，無縫拼接，更改保守工作方式，讓病理標本數字化，圖像化，可存儲化，為實現數字化、信息化打下良好基礎。
已積聚了全國近2000位公立醫院在職病理科醫生，福怡股份的數字病理遠程診斷系統平臺以AI技術為輔助。為“遠程病理規范實驗室”進行診斷的各省頂尖病理專家，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，確保診斷結果真實可靠。
2智影醫療
智影醫療研發的一款 AI顯微鏡—基于痰菌顯微成像的肺結核自動診斷系統，近日。即將正式投入商用。AI顯微鏡應用了人工智能深度學習算法，可在3分鐘內快速掃描整個玻片及進行結核桿 菌計數，診斷出肺結核。
規則不能適配所有個體，保守的痰涂片檢測醫學圖像處置方式是算法依據建立的規則對圖像進行處置。所以檢測的準確率不高，而人工智能的圖像處置，經過了大數據的訓練，深度學習開發，可以大幅度提高檢測的準確率。
提供痰液染色涂片自動 掃描圖像并進行智能檢測分析，智影醫療開發的AI顯微鏡融入了人工智能的圖像處置和視覺處置技術。醫生輕松輸入指令，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，并將檢測結果實時顯示到客戶端中，及時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。
場景：病理與新藥研發
否可以從中看出更深層次的診斷以外的信息呢？有心的企業正嘗試。當我獲取了基本的病理數據后。
對病理切片進行定量分析是一個幾乎不可能完成的任務，沒有人工智能前。只能憑借醫者的感覺大致估量病變的范圍。但人工智能的呈現使組織細胞的精準計數成為可能。
研究人員能夠迅速精確地獲取一段時間內切片的病變細胞數量、水平的數目及變化情況，這種情況下。就能輕易的觀察出臨床實驗中的新藥對病灶產生了怎樣的影響。
或許可以利用AI觀察動物受藥后的組織細胞變化狀況，順著這一邏輯。從而更加精確地指導藥物研發。
即為CRO提供提供定量的數字病理圖像可視化與量化分析，成都的知識視覺正在做這樣的事。以輔助藥物臨床科研。與羅氏診斷的合作中，知識視覺的效果受到羅氏的肯定。
其開創人向飛在采訪中說道：致力于打造一個無代碼化病理AI應用研發云平臺，但這一想法的起源并非面向AI新藥研發。解決病理AI應用研發難度大、硬件投入大、溝通和數據標注本錢高等問題，讓病理醫生可以根據實際需求無需編碼就能實現病理AI應用的研究工作。
國外的RevealBiosciencPathA I也在做類似的事。
RevealBioscienc獲得了英特爾領投的A輪融資，近日。其開創人開創人兼首席執行官ClairWeston博士表示：迄今為止，RevealBiosciencImageDx技術已為三百多家醫療機構提供信息服務。特定的數據集成方式，能夠大規模且快速生成病理學AI算法。通過這次融資，很高興能夠擴大我研究人員、病理學家和技術人員的生態系統，共同引領AI醫療找到新范式。
場景：NLP與基因云
研究或許可以將相關數據與基因庫進行關聯，除了針對病理信息自身進行分析之外。進行實驗時同時監測受試者的表型和基因型數據。
PD-1/PD-L1和CA R-T治療中對新的腫瘤免疫標志物的空間定位和定量亦給病理診斷提出了更高的要求，而隨著免疫治療的發展。這同樣需要新的技術進行革新。
醫生難以實現大規模的病理診斷。其中的主要原因在于文本演講和數字圖像等病例信息難以通過人工實現大數據的回顧性科研搜索、分析和管理，基于醫院病理科傳統的信息平臺。自然也阻礙了病理診斷的規范化和標準演進。
精準醫療大數據公司志諾維思繪制了病理知識圖譜，此背景下。并開發了中文病理演講自然語言處置、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。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，同時也能為參加項目的其他成員提供規范化分析自身數據的工具。
志諾維思能以更高的精度與更快的效率挖掘生物標志物，通過連接病理HEIHC等染色影像信息與基因組學中的基因組、表達組信息。助力藥物研發。
場景：第三方醫學檢查中心
同時也是社會資本進入醫療行業的重要落地形式。而人工智能技術的進入有望提升了第三方醫學檢測中心的醫療實力。進入這一領域的企業越來越多。第三方醫學診斷機構是國家實現分級診療、促進公立醫院改革的重要手段。
這一模式使得遠程病理診斷更加方便，云病理的呈現則加速了第三方影像中心的發展。使數字病理從“概念上”遠程醫療逐漸過渡到實際應用中，形成了云病理平臺。
國內已有多家大型企業借助云平臺將AI病理診斷技術輸出于國內外的醫學檢測中心。如今。
1蘭丁醫療
宮頸癌細胞學篩查醫技人員每天閱片量應小于100例；人不是機器，保守的宮頸癌細胞學篩查是由醫技人員在顯微鏡下根據經驗進行診斷。按國際標準。始終無法防止因疲勞或經驗的不同所造成人為診斷誤差。
使得宮頸癌極有可能成為首個通過預防篩查而實現根除的惡性腫瘤。而蘭丁醫學開發的AI宮頸癌診斷機器人“Land可以協助醫生精準發現早期宮頸癌前病變。
蘭丁醫學已經在全國各地建立了400余家“蘭定規范細胞實驗室”這些實驗室在省會鄉村三甲醫院、中小鄉村二甲醫院，依托于這一AI技術。甚至國內農村基層計生站均有覆及。
用大數據提高診斷質量，這一全新篩查模式特點是結束了宮頸癌篩查依靠專家經驗診斷的歷史。靠現代化技術降低本錢，從而提高大規模宮頸癌篩查效率以及癌前病變及陽性檢出率，對降低宮頸癌的發病率及死亡率將發揮重要作用。此外，為解決世界發展中國家共存的基層缺乏腫瘤篩查專業人員的難題提供了切實可行的解決方案。目前，蘭丁所完成的宮頸癌篩查總量已經超越了200萬例。
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，蘭丁醫療正一步一步走向世界。如今。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量低本錢宮頸癌篩查服務。
2衡道病理
依托“數字遠程會診網絡+實體中心&物流支持”為廣大基層醫院提供病理會診及診斷支持，衡道病理以“全職醫技團隊+一線會診專家+共建聯合平臺”多層級模式。專注解決術中冰凍、疑難會診、各類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演講軟件，讓分子病理走進基層。
衡道病理積極開展與各類知名三甲醫院科研合作，依托AI專業團隊和技術儲備。推進病理人工智能（PathAI穩健發展。運用衡道病理大數據優勢（PathHub?構建整個病理行業在人工智能時代的基礎設施，為病理醫生提供智能化輔助工具，提升診斷效率，實現病理大數據與技術成果的共享，助力行業升級。
3平安健康（檢測）中心
平安租賃大手筆一揮，2018年10月。300億資金支持下1000家第三方檢測中心陸陸續續露出頭來。平安健康（檢測）中心的優勢在于平安的整體構架。這一第三方檢測中心不只擁有平安好醫生為其導流，平安保守的安全業務也為患者提供的諸多可選的醫保與商保服務。
平安檢機測的入駐則為整個賽道帶來了活力。當平安體系建立完畢后，如今政策已至。也許國內第三方醫學檢驗將形成一個全新的局面。
總結
實際上，以上收錄的大多數為專注于“AI+病理”企業。許多醫學影像類人工智能企業早已經開始涉足病理領域，或自建醫學實驗室。從趨勢上看，病理面前精準醫療與AI結合已成定勢。
AI制藥更是如此。新藥研發完全有可能逾越影像類產品，診斷如此。成為人工智能在醫療領域最先實現商業化的場景。期望能看到更多志諾維思、知識視覺這樣的公司，透過病理數據的表象，連接基因數據，為攻克腫瘤等頑疾獻計獻策。
深度學習能讓科研人員更精確地量化細胞參數，科研也在不時前進。更直觀地觀測腫瘤細胞的變化。
對人工智能抱有期待的相關者，所以。無妨將局部注意力轉向病理，或許能發掘到令人意想不到潛力。
