你愿意从事一份神圣但收入相对受限的工作吗?你愿意进入一个重要但相对边缘的科室吗?多数医学生都对病理医生这一职业及病理这一科室说了NO。
但在医学界,有一句特别著名的话——病理诊断是医学诊断的金标准,病理医生是医生的医生,是临床诊断中说最后一句话的人。钟南山院士曾说:“临床病理水平是衡量国家医疗质量的重要标志”。强有力的病理科是形成具有影响力的临床专科的重要基础。
而这样一个在诊断中发挥着重要作用的科室却惨遭多数医学生的抛弃,甚至让当时在北大国际医院病理科调研学习的崔洪亮听到了这样的传闻——“很多年轻医生到医院实习,最不想去的就是病理科”。
一个如此重要的科室,为何会陷入这般尴尬的境地?崔洪亮用了三个词来概括原因:人少、事多、要求高。
上述病理科的痛点,却恰恰能成为AI技术大显身手的广阔天地。因此,该领域也吸引了大批企业相继入局。
北京知见生命科技有限公司(下文简称知见生命)便是其中之一。公开资料显示的成立日期像是这家公司投放的烟雾弹——这是一家成立距今不足三年的病理AI愣头青。
但事实上,早在知见生命正式成立之前,CEO崔洪亮便与其核心团队人员先后参与了北大国际医院、协和医院、西南医院等知名三甲医院病理AI方面的多项科研工作,其研发团队在2019年就开发了“基于多模态深度学习的乳腺肿瘤病理图像分类算法”及“基于病理图像的肿瘤突变负荷(TMB)预测算法”。
尴尬的医学诊断金标准
病理诊断陷入了一种尴尬的境地。
一方面,作为目前诊断准确率最高的一种诊断方式,病理诊断往往是绝大多数疾病尤其是肿瘤的最终诊断方式,是疾病诊断的金标准。
另一方面,由于历史的原因,我国病理学科的属性、定位、设置和运行机制出现了一些尴尬局面,在一定程度上影响了学科建设特别是人才团队的作用发挥,导致我国病理医生资源极度短缺,病理科室发展缓慢。
据北京协和医院《2015年国家病理科医疗质量报告》,2014年,我国病理执业医师及助理执业医师约为1万人,远低于美国、欧洲等发达国家水平;我国每百万人中病理医生的数量指标约为0.08,远低于美国、欧洲的0.9、0.81,与发达国家相比,我国病理医生资源极为短缺。
再结合国内临床需求规定,国内病理医生规模远远无法满足临床需求。
据《中国卫生健康统计年鉴(2018)》,我国医疗机构床位数总计7940252张,病理科执业医师及助理执业医师约为9600人,按照百张病床配备一名病理医生的标准(卫生部2009年发布的《病理科建设与管理指南(试行)》中的规定)计算,理论上至少需要病理医生约8万名,即目前国内病理医生缺口约为10万名,缺口巨大。
病理医生的巨大缺口也间接引发了后续问题,本就有限的病理医生资源分配不均便是其中之一。据北京协和医院《2015年国家病理科医疗质量报告》,约62%的病理医生就职于三级医院,约37%的病理医生就职于二级医院,就职于一级医院的病理医生仅为1%。
同时,相比于检验、影像等科室,病理科环节过多,导致全流程自动化水平较低,每个环节又直接或间接影响着最终的诊断结果。尤其是在医学进入精准医疗时代,病理学诊断的任务开始由传统的确定病变性质、鉴定组织起源、明确病变分类及相关组织学亚型、明确分级和分期等向预测性诊断、治疗性诊断的精准病理诊断转变。我国病理学科发展面临着巨大的挑战。
近些年,在国家政策引导、临床需求导向、病理数字化技术进步等多重因素的推动下,AI技术开启了在病理诊断方面越来越多的应用,数字化、标准化、智能化成为病理领域发展的主要趋势。
病理诊断是将疑似病灶部位的活体组织或脱落细胞制成切片后,由病理医生通过显微镜观察其细胞形态、组织结构、颜色反应等情况,并结合自身专业知识与临床经验作出的判断。简言之,病理诊断本身便是一种主要基于图像信息的诊断方法,天然具备人工智能的应用条件。数字技术、人工智能算法图像识别技术的不断提升,也加速了其在病理诊断领域的应用。
此外,国家相继出台的一系列政策推动了人工智能+医疗行业的发展,基层开展的免费两癌筛查工作,也催生出大量病理诊断的需求。
然而在技术进步、政策支持的同时,病理AI仍面临许多问题。例如,在病理样本采集、质控、数据处理、结果判读及病理科室管理等方面的应用仍有大量亟待解决的技术难点。
对此,许多人工智能企业纷纷蓄力寻求突破,知见生命自然也不例外。
从新冠肺炎、乳腺疾病、慢性肾病到脑肿瘤等,知见生命“从急从重从无”不断丰富多病种病理辅助诊断方案
在采访中,崔洪亮向动脉网解释了知见生命为何会率先选择面向新冠肺炎、乳腺疾病和肾病提供诊断系统和解决方案,即在病种的选择方面遵循“从急从重从无”原则。
其中,新冠肺炎毋庸多言,这类新型的突发传染病无疑对经济和国民生命健康产生了巨大影响,对新冠肺炎的研究既是从急、从重,也是从无。
2020年,崔洪亮所带领的团队在国内几位知名院士专家的指导下开始进行新冠影像与病理融合方面的研究,并于2022年上海疫情静默管理期间,日以继夜地进行了基于影像与病理学的人工智能辅助诊断系统(iPAID)在方舱医院的部署、调试。
该系统通过知见生命自主研发的AI算法实现了通过对无创CT影像进行特征识别分析,智能化预测新冠肺炎患者的肺部病理改变,能够快捷高效地在“无创”前提下,评估预警感染者是否会转化为轻症普通型或者重症患者。为当时的一线医护科学制定诊疗方案、提高床位周转效率,实现批量患者“快收快治、快检快出”提供了重要临床诊断依据。
而乳腺疾病则位于肿瘤发病率高位。通过先后与北大国际医院、北京协和医院等医院合作,知见生命目前已完成了从乳腺肿瘤的分类、分级、分期到ER、PR、Ki-67、Her-2等10余种免疫组化指标定量分析以及后期复发分级的辅助诊断技术全链条研究。
至于肾脏病理的研究,除了患病人数庞大这一原因外,还有一个重要原因是崔洪亮在与协和医院肾内科合作时所得知——肾脏病理与肾内科临床联系非常紧密,常常需要既熟悉临床又熟悉病理的医生进行三镜合一的诊断。但遗憾的是,在病理医生资源稀缺的背景下,专业的肾脏病理医生凤毛麟角。
“在得知这一现状后,我们也希望能够做些力所能及的工作,帮助更多的慢性肾病患者尽早实现确诊,制定出精准的诊疗方案,避免患者病情最终发展到不得不进行肾透析的程度。”崔洪亮向动脉网表示。
想法由心底萌生之后,知见生命也在努力将其付诸实践。
据崔洪亮透露,知见生命与协和医院肾内科联合研发的肾活检免疫荧光病理辅助诊断系统在全国卫生健康行业青年创新大赛中从3000余个项目中脱颖而出,入围决赛并斩获银奖;其所研发的“创新数字病理智能辅助诊断整体解决方案”也荣获2021年度“中国好技术”称号。
并且,动脉网了解到,除新冠肺炎、乳腺肿瘤、慢性肾病智能辅助诊断解决方案外,知见生命也在探索诸如脑肿瘤、甲状腺肿瘤等几类或诊断难或需求大的肿瘤的AI辅助诊断解决方案的研发工作。
例如,2022年,由中国医学科学院北京协和医院牵头,知见生命作为参与单位的“疑难罕见病人工智能辅助诊断技术研究与临床应用”项目成功入选科技部科技创新2030“新一代人工智能(2030)”重大项目;其所参与的“病理数字化及人工智能辅助诊断设备研发”项目也已成功获批2022年度重庆市生物医药重大专项。在疑难罕见病及脑转移瘤等重大疾病的病理诊断研发方面,知见生命已做好了充分准备。
从AI病理产品到多种“周边”,以数字化、智能化专业能力助力AI病理生态标准化与数字化建设
但正如前文所述,AI辅助诊断方案仅仅只是知见生命众多产品管线之一。“我们目前的研发重心主要是围绕病理诊断关键环节的技术及基于相关技术构建的智能化系统研发。同时,我们也将继续完善AI病理整个生态及周边标准化与数字化建设。”崔洪亮表示。
由于病理图像对存储和算力具有特殊需求,因此相关AI产品的落地必须依托“扫(数字化扫描)、存(存储)、管(管理)、用(智能化辅助诊断)、转(产业化)”的整体解决方案。对此,知见生命采取的应对方式是联合病理切片扫描仪等硬件设备厂商打造软硬一体机。
例如,知见生命研发的数字病理图像通信与归档系统DPACS,便是从临床需求出发,对接多种国内外主流品牌病理切片数字扫描仪,在病理数字化、标准化、智能化建设关键流程上提供前沿的专业技术支撑。
DPACS系统支持SVS、TIF、NDPI、MRXS、TIFF、BIF、KFB、SDPC等多种格式的数字病理图像文件上传和浏览,还可采用二维码、条形码、OCR等智能识别技术实现基于病理切片标签的数字病理图像标准化自动命名。
同时,在病理科室管理方面,知见生命也开发了适用于住院医师培训管理的住院医师规范化培训综合管理平台,为住院医师教学培训提供良好的线上教学平台的同时,还聚焦病理技术室资源管理中存在的如工作流程繁琐复杂、特殊事件不易追溯、无法快速、全面、准确掌握设备运行、维护及环境信息等关键问题,开发出了数字病理实验室智慧管理系统,对病理科技术室的人员、设备、耗材、冷链设备、环境等进行全资源的标准化与数字化管理。
不仅如此,由于汇聚了医学图像处理、高性能计算、计算机体系结构、芯片设计、网络安全等多领域的研究人员,知见生命还具备硬件和芯片设计的研发基础。再次以崔洪亮为例,这位CEO不仅参与了龙芯CPU产业化工作,还是国家信息化重点项目——某防火墙项目建设的主要骨干。
另据崔洪亮透露,目前,由知见生命研制的病理样本摄影及传输处理系统、基于影像与病理学的人工智能辅助诊断系统iPAID正在申请医疗器械注册证,其它相关产品方案也正在有序地研发中。
“软硬件一体的医疗器械研发将是我们后续的研发重心,我们甚至希望,在未来能够研制一款属于医学图像诊断的专用芯片。”在采访中,崔洪亮透露道。
奋力推倒横亘在
AI与病理之间的那堵“高墙”
知见生命的产品管线众多,应用效果又如何?
从肾病“AI+病理”系统的试点应用情况来看,其能够覆盖的慢性肾病占高发病率肾病病种的70%,算法识别准确率可达90%以上;术中冰冻淋巴结检测系统病理切片扫描+分析速度约10分钟/4张,乳腺、甲状腺淋巴结检测算法mIOU高达93.6%;住院医师规范化培训综合管理平台融合了查房带教、在线考试、学生管理、教学案例分享等多项业务,实现了规培教学的在线化和系统化。
其它产品如病理样本摄影及传输处理系统、病理图像质控管理系统、数字病理图像归档与通信系统及多病种智能辅助诊断系统等在多家三甲医院的应用均获得多次良好反馈。
支撑知见生命临床应用效果的,是知见生命医工交叉领域深度融合的研发团队,数量充足且多样性全面的高质量医疗数据的积累以及对真实临床需求和应用场景的准确把握。
据悉,知见生命的核心团队由来自中科院计算所及University of California, Los Angeles、哈工大等知名高校及科研机构的医学、人工智能、网络安全等多个领域的专业人才组成,其顾问团队还汇聚了计算领域和医学领域的中国工程院院士、中国科学院院士及多位知名三甲医院资深专家。
数据积累是病理AI产品研发的重要基础,数据的多样性、数量和数据集标注的准确性在很大程度上影响了AI诊断结果的准确性和泛化性。
在与北京、上海、重庆、广东等地的多家三甲医院重点科室展开的多项合作研究中,知见生命获得了能够进行基于多年积累的高质量医学队列多病种、多模态整合诊断研究的坚实数据基础。
针对病理诊断数据处理环节中的主要挑战之一——数据标准化,知见生命试图从技术角度出发,“让技术去融合不同数据源,再通过算法进行数据归一化。”并在此基础上建立和完善研发流程。
崔洪亮表示:数据标准化实非单个企业之力可以解决。因此,知见生命在未来还会积极配合行业标准及共识的制定。“这是国内许多病理专家迫切想要做的事情,也是知见生命想要做的事情。”
另外,从商业化及研发需求获取等角度出发,知见生命还选择了入驻重庆金凤实验室和重庆先进病理研究院。
依托这两个病理新理论和新技术的孵化平台,“知见生命不仅可以进行产品和解决方案的复制和推广,还可以与行业各方进行充分沟通交流,推动数据标准化等难题解决,研发出更多立足临床需求的AI辅助诊断产品和病理科室管理产品。”
立足临床需求不仅仅只是一句口号。据崔洪亮透露,知见生命不仅从自主研发的技术上与专业医学知识深度融合,更把研发团队设在了医院,办公场所定在了病理科,每天跟病理医生一起研究病理,深入地了解临床病理需求,学习病理图像特征及医生诊断经验,找寻病理工作的痛点及突破点。
“现阶段,AI和病理之间还隔着一道高墙,病理医生受制于领域不同及时间、精力被临床诊断占据等情况,并不了解AI能做什么,能做到什么程度。而计算技术研发人员也并不清楚医生真正需要解决的是什么问题,但既懂医学又懂算法的复合型人才凤毛麟角。”崔洪亮感慨道,“因此,我们必须深入到临床一线去,到科室去,到病理医生的身边去,去学习,去挖掘、去思考,并不断打磨和推广产品,促使AI与病理更深度的交叉融合,以期能更早地服务于健康事业。”
联系客服