【衡道丨资讯】不需要手动标注的临床级别病理AI靠谱吗?

要说最近一周的话题热度,AI拥有绝对的姓名——不管是AI学会看文献、搞科研、写论文,还是被业界内外广泛关注和讨论的Nature Medicine上发表的病理AI的最新文章,都让我们在震惊于AI发展的同时,也想问一句有了病理AI之后,病理医生真的可以只用喝茶了吗。

图片来源:Nature Medicine

最新研究数据激荡人心

在纪念斯隆·凯特琳癌症研究中心(MSKCC)Thomas Fuchs研究团队发表的这篇文章中,公布基于15000名癌症患者的4万余张数字化病理切片的新AI系统对前列腺癌、基底细胞癌和腋窝淋巴结转移乳腺癌的测试曲线下面积(AUC)均高于0.98

在研究中,他们调用了3个数据集,共有来自44个国家和地区的15187名癌症患者的44732个病理切片信息,包括24859个前列腺癌切片、9962个基底细胞癌切片、9894个淋巴结转移乳腺癌切片,与任何一个同类研究相比数据量都要大上一级不止。

对于这一研究,值得强调的是弱监督学习。也就是说该系统在训练过程中使用的是来自常规病理报告的数据,而且该数据有且仅有唯一标签——切片的阴阳性,同时并未经过事先处理,也不需病理专家对切片手动标注

训练方法

图片来源:Nature Medicine

而且基于多实例学习(MIL)和递归神经网络(RNN),也就是说算法在学习过程中,会自动先将切片分割成为无数个小patch,并与该张切片的阴阳性进行对应。而当其在实际分析时,也采用类似的方式,先将切片自动分割为小patch进行判断,并给出最终结果。

对于这篇最新文章,想必媒体是极为肯定的,给予了首个临床级别、近150年病理学的最大突破等等溢美之词。

行业内的不同声音

不可否认,这个算法能做组织切片的定性初筛。而且单单从阴阳性判读的准确率上看,真的很高。但病理AI行业内也有指出,该算法不能够被应用于精准诊断,以及量化计算。该算法本身的设计原理决定了它的应用仅限于定性判读。

而且虽然在此次研究中,每一种切片的数量都在万张左右,和目前精细标注的强监督学习比起来,仿佛在数据层面占尽优势,但是这是弱监督学习达到高准确率的必然要求

而监督学习不需要上万张这样单纯的切片数量,因为算法需要的是细胞种类的多样性。病理AI在特定问题上的高性能,还是得依赖精细标注,而不是弱标注的超大数据。

毋庸置疑,精细标注当然需要病理医生的参与,所以我们只能说病理AI可以辅助病理医生并减轻其负担,并不是不再需要病理医生。

前景广阔,道阻且长

在病理行业,AI也有着广阔的应用前景。

无需赘述,病理诊断是医学界公认的最可信赖、重复性最强、准确性最高的诊断标准,是目前任何手段都无法替代的终末诊断,也是指导临床治疗和预后评估的最可靠依据。

而我国病理行业面临着医疗资源分布不均、人才严重短缺的现象。2018年第八届中国病理年会发布的信息显示,注册病理医师总数只有1.7万多人,缺口近10万人,而且水平参差不齐,远远跟不上临床发展的需要。

AI病理诊断可以帮助实现病理诊断标准的同质性、一致性和可靠性,大大减轻病理医生工作负担,提升基层医疗机构的病理诊断水平,帮助病理医生精确诊断,促进优质病理资源的均衡分布和高效利用。这也符合国家对本轮新医改提出的目标:通过远程等信息化手段促进医疗资源的合理流动和科学配置。

总的来说,针对病理AI的主要研究领域有三部分。

第一,开发基于AI技术的病理诊断模型,以提高医生的诊断效率,提高微小病变和疑难病例的识别能力。

第二,病理组学,从病理中提取对诊疗有用的特征,进行定量化分析,发现病理特征和诊疗之间的关联性。

第三则是更高级的功能,利用病理数据来开发基于AI技术的病理预后预测模型,预测治疗的效果以及五年的总生存率。

这是一个非常大的市场,有着广阔的发展前景。据悉,上文中提到的Fuchs博士创办了癌症AI诊疗公司Paige,目前已有相关产品获FDA突破性设备认

近年来,中国的AI病理取得了一定的进展,但AI病理数据量大、诊断标准多,需要由简单到复杂,由单病种到多病种。受限于技术发展、接受程度和使用成本等制约,我国的数字病理诊断与国外相比还存在一定的差距,所以还有很长的路要走。

关于衡道病理

作为国内首家独立第三方病理诊断中心,衡道病理拥有目前我国境内单体最大的病理实验室,合作医院广泛覆盖,丰富的落地场景和数据资源为病理AI研发提供了得天独厚的优势。

依托AI专业团队和技术储备,衡道病理正在构建整个病理行业在人工智能时代的基础设施:大规模病理人工智能训练资源库—— PathHub™肿瘤病理大数据平台,其高质量的数据以及专业的医学标注能力也得到了包括MICCAI等世界顶级学术会议及世界人工智能大会的认可。

参考来源:

https://www.mskcc.org/blog/researchers-report-milestone-use-artificial-intelligence-pathology

https://www.nature.com/articles/s41591-019-0508-1

https://www.histomed.com

了解更多衡道病理资讯,欢迎访问官网:https://www.histomed.com

点个「在看」鼓励下小衡吧

(0)

相关推荐