阿里云天池主辦的 數(shù)字人體 視覺挑戰(zhàn)賽落幕收官

歷時(shí) 107 天 , 阿里云天池主辦的" 數(shù)字人體" 視覺挑戰(zhàn)賽落幕收官 , 此次大賽以宮頸癌為切入口 , 旨在通過提供大規(guī)模經(jīng)過專業(yè)醫(yī)師標(biāo)注的宮頸癌液基薄層細(xì)胞檢測數(shù)據(jù) , 讓選手能夠提出并綜合運(yùn)用目標(biāo)檢測、深度學(xué)習(xí)等方法對異常細(xì)胞進(jìn)行定位以及對宮頸癌細(xì)胞學(xué)圖片分類 , 提高模型檢測的速度和精度 , 輔助醫(yī)生進(jìn)行診斷。

英特爾是此次大賽聯(lián)合主辦方 , 其開創(chuàng)的英特爾深度學(xué)習(xí)加速技術(shù) , 極大的提升了本次比賽的推斷效率。大賽期間 , 來自 12 個(gè)國家和地區(qū)的近 3000 名選手帶來的超過 2000 項(xiàng)病理 AI 技術(shù)創(chuàng)新成果 , 為數(shù)字病理臨床應(yīng)用變革注入了新的活力。

2020 年 6 月 13 日下午 , 由阿里云天池、Intel 共同主辦的數(shù)字病理產(chǎn)學(xué)研研討會在杭州舉行 , 二十余位來自醫(yī)療機(jī)構(gòu)和產(chǎn)業(yè)界的嘉賓就病理 AI 的臨床需求和未來發(fā)展趨勢進(jìn)行了深入探討 , 研討會由動(dòng)脈網(wǎng)聯(lián)合創(chuàng)始人、COO 畢元鋒主持。

應(yīng)用落地是關(guān)鍵

參與此次" 數(shù)字人體" 視覺挑戰(zhàn)賽的項(xiàng)目中 , 部分算法模型具備直接應(yīng)用至各大醫(yī)院數(shù)字化設(shè)備中的條件。阿里巴巴達(dá)摩院醫(yī)療 AI 總監(jiān)遲穎認(rèn)為 , 這是很好的趨勢。

在開場致辭中 , 遲穎將人工智能技術(shù)比作醫(yī)療健康的導(dǎo)航儀 , 通過技術(shù)前移實(shí)現(xiàn)治未病的目標(biāo)。目前 , 醫(yī)療 AI 主要研究方向是用視覺引擎、知識引擎、搜索引擎等技術(shù)輔助醫(yī)療行為 , 使醫(yī)療分析、健康管理、公共衛(wèi)生變得高效、普惠、低成本。遲穎認(rèn)為 , 醫(yī)療機(jī)構(gòu)、基層公共衛(wèi)生保健、醫(yī)療保險(xiǎn)、醫(yī)療器械與耗材等都可以成為醫(yī)療 AI 應(yīng)用落地的場景 ,“隨著傳統(tǒng)機(jī)器學(xué)習(xí)不斷向深度學(xué)習(xí)轉(zhuǎn)化 , AI 在醫(yī)療中的主流價(jià)值越來越明顯 , 已經(jīng)成為一種不可缺少的前進(jìn)動(dòng)力。”

Intel 云計(jì)算和人工智能首席工程師胡瀟也強(qiáng)調(diào) , 醫(yī)療 AI 技術(shù)的關(guān)鍵在于真正的落地 , 而并非陽春白雪式追求象牙塔里的學(xué)術(shù)成果 , 需要更好地造福廣大老百姓。可喜的是 , 現(xiàn)階段的 AI 技術(shù)創(chuàng)新已經(jīng)不僅考慮到算法成就 , 也嘗試落地減少每一個(gè)病患的疾病負(fù)擔(dān)。

醫(yī)療機(jī)構(gòu)的病理 AI 需求是怎樣的?

近年來 , 許多病理 AI 產(chǎn)品被應(yīng)用到臨床創(chuàng)新實(shí)踐中。但是 AI 作為底層核心技術(shù) , 推動(dòng)這個(gè)領(lǐng)域真正成熟、成體系 , 還有一段距離。

中華醫(yī)學(xué)會病理學(xué)分會前任主任委員、四川大學(xué)華西醫(yī)院病理科教授步宏教授發(fā)表主題為《遠(yuǎn)程病理與人工智能的再思考》的遠(yuǎn)程演講 , 分享了對遠(yuǎn)程病理的三點(diǎn)看法和對人工智能的三點(diǎn)思考。

步宏教授認(rèn)為 , 第一 , 遠(yuǎn)程平臺智能水平以及友好體驗(yàn)不夠 , 很多數(shù)字化元素沒有充分利用 , 不能用傳統(tǒng)病理的思維做遠(yuǎn)程病理平臺 ; 第二 , 開展遠(yuǎn)程病理診斷時(shí) , 應(yīng)注意區(qū)別操作難易程度 , 調(diào)動(dòng)醫(yī)生的參與積極性 ; 第三 , 遠(yuǎn)程病理平臺應(yīng)該利用 AI 技術(shù)革新病理診斷報(bào)告的內(nèi)容與形式。

算法、算力以及醫(yī)療大數(shù)據(jù)的共同應(yīng)用是 AI 進(jìn)步的三大基本條件 , 其中 , 充分利用醫(yī)療大數(shù)據(jù)是最重要的元素。病理診斷需要整合各種維度的醫(yī)療信息 , 病理 AI 的目標(biāo)應(yīng)該是提供多元量化指標(biāo)的支持系統(tǒng)。

步宏教授指出 , 第一 , 病理 AI 一定要在使用中完善與成熟 ; 第二 , 應(yīng)用場景作為病理 AI 的 “最后一公里”, 是薄弱環(huán)節(jié) , 應(yīng)當(dāng)格外重視 ; 第三 , 要建造信息共享平臺 , 用靈活的機(jī)制與運(yùn)作打破病理人工智能的研發(fā)孤島。

在我國 , 執(zhí)業(yè)醫(yī)師短缺是病理科面臨最現(xiàn)實(shí)的問題 , 浙江大學(xué)健康醫(yī)療大數(shù)據(jù)國家研究院副院長吳健表示。這背后更深層次的困境是病理診斷復(fù)雜并且工作量巨大 , 以及為了不直接接觸患者的科室 , 病理科技術(shù)迭代滯后 , 病理科人力成本仍占總支出近 40%, 在現(xiàn)有條件下拓展病理科醫(yī)師隊(duì)伍難度大。

中南大學(xué)湘雅二院病理科副主任蔣誼表示 , 做病理 AI, 只強(qiáng)調(diào)人工智能是不夠 , 沒有病理醫(yī)生參與的病理 AI 最后也很難獲得商業(yè)上的成功。病理是非常復(fù)雜的學(xué)科 , 不能拘泥于切片掃描與標(biāo)注、深度學(xué)習(xí)等技術(shù) , 要把診斷專家的經(jīng)驗(yàn)與數(shù)字掃描分析結(jié)合起來。病理 AI 產(chǎn)品應(yīng)該讓病理科醫(yī)生用起來舒服 , 而不是終結(jié)病理科醫(yī)生。

浙江省腫瘤醫(yī)院病理科主任孫文勇表示 , 細(xì)胞病理、分子病理在臨床實(shí)踐中是比較新的技術(shù) , 醫(yī)生的數(shù)據(jù)整合與結(jié)果分析經(jīng)驗(yàn)較少 , 組織病理分析診斷是病理科工作量最大的部分 , 如果能夠開發(fā)出足夠有效的組織病理 AI 產(chǎn)品 , 醫(yī)生的工作量將大大減少。

瑞金醫(yī)院病理科副主任謝靜指出 , 病理科專業(yè)性非常強(qiáng) , 不同專業(yè)相差很遠(yuǎn) , 相比肺癌、胃腸癌等 , 內(nèi)分泌腫瘤樣本的異質(zhì)性較小 , 或許適合被作為 AI 的應(yīng)用方向。

病理界和企業(yè)界之間要產(chǎn)生一種相互寬容的機(jī)制 , 河南省醫(yī)學(xué)科學(xué)院副院長、河南腫瘤醫(yī)院病理科主任郭永軍強(qiáng)調(diào) , 整合所有醫(yī)療信息用于病理診斷要有一個(gè)過程 , 雙方的期待值都不能過高。郭永軍主任建議 , 創(chuàng)新企業(yè)可以貼合政策需求 , 巧力推動(dòng)病理 AI 落地和產(chǎn)業(yè)發(fā)展

此外 , 來自第三方病理診斷中心的嘉賓也分享了他們的觀點(diǎn)。華銀健康集團(tuán)副總經(jīng)理溫韻潔表示 , 華銀健康在日常的服務(wù)過程中 , 積累了大量開發(fā) AI 產(chǎn)品所需的數(shù)字切片數(shù)據(jù) , 病理醫(yī)生與 AI 團(tuán)隊(duì)要相互理解 , 在做應(yīng)用選擇時(shí) , 可以選擇相對簡單、但醫(yī)生最需要的方向。

對于孫文勇主任提出的組織病理 AI 需求與細(xì)胞病理 AI 供給之間的錯(cuò)配 , 衡道病理中心技術(shù)總監(jiān)、首席科學(xué)家劉凈心博士表示 , 細(xì)胞病理對應(yīng)著量化分析指標(biāo) , 并且機(jī)器完成效率高于人工 , 因此更容易落地。

現(xiàn)階段的病理 AI 落地遭遇了哪些困難?

醫(yī)學(xué)影像具有高維高密的特點(diǎn) , 在主題為《醫(yī)學(xué)影像 + 人工智能的特點(diǎn)、技術(shù)與趨勢》的遠(yuǎn)程演講中 , 中國科學(xué)院計(jì)算技術(shù)研究所研究員周少華指出 , 現(xiàn)階段數(shù)據(jù)差異性大、存儲分散、大批量標(biāo)注數(shù)據(jù)少、樣本多模態(tài)、對應(yīng)疾病類型多樣等難題。不過 , 周少華表示 , 前述難題都存在對應(yīng)的趨勢性技術(shù) , 學(xué)術(shù)界、醫(yī)療機(jī)構(gòu)和產(chǎn)業(yè)界應(yīng)當(dāng)通力合作。

江豐生物布局國內(nèi)市場近 9 年 , 是國內(nèi)供貨量最大的數(shù)字病理掃描設(shè)備廠商之一。2019 年 5 月 , 江豐生物基于數(shù)據(jù)積累自主開發(fā)的宮頸癌篩查產(chǎn)品獲得了第二類醫(yī)療器械注冊證。不過 , 江豐生物董事長劉炳憲認(rèn)為 , 目前病理 AI 仍處于初級階段 , 他同樣提示了多點(diǎn)合作的重要性。

由于缺乏統(tǒng)一的標(biāo)注標(biāo)準(zhǔn) , 基于不同醫(yī)生、醫(yī)療機(jī)構(gòu) , 甚至試劑耗材構(gòu)建的病理 AI 模型并不具有可復(fù)用性。迪英加科技董事長楊林表示 , 在一次嘗試將模型訓(xùn)練中敏感度 99.5% 的高特異性產(chǎn)品推向市場的過程中 , 他們甚至曾得到過準(zhǔn)確率與產(chǎn)品參數(shù)完全不一致的負(fù)面反饋 ,“與病理專家討論與交流比想象復(fù)雜 , AI 落地面臨包括模型分析能力、數(shù)據(jù)非標(biāo)、醫(yī)療服務(wù)收費(fèi)標(biāo)準(zhǔn)等許多問題 , 需要專家與企業(yè)一起努力。”

人工智能并不是現(xiàn)在才開始結(jié)合各個(gè)行業(yè) , 深思考 CEO 楊志明指出 , 看似一件事很簡單 , 比如宮頸癌細(xì)胞學(xué)篩查 , 會越做越深入就越難。一個(gè)普遍存在的窘境是 , AI 不懂病理、細(xì)胞病理不懂 AI, 無法產(chǎn)業(yè)化 , 彼此結(jié)合至關(guān)重要。不過 , 楊志明相信 , 現(xiàn)階段是病理 AI“黎明前的 5、6 點(diǎn)”, 突破即將到來。

據(jù)調(diào)查 , 在醫(yī)生的使用率方面 , 影像方面已經(jīng)非常高了 , 醫(yī)生點(diǎn)擊率已超過 80%, 視見科技 CEO 陳浩用數(shù)據(jù)驗(yàn)證了楊志明的觀點(diǎn) ,“AI 證明了自己的價(jià)值在在某些細(xì)分領(lǐng)域。”

醫(yī)生需求不一樣 , 對模型的要求也不一樣 , 衛(wèi)寧健康人工智能總監(jiān)劉鳴謙指出 , 新產(chǎn)品、新技術(shù)打通應(yīng)用路徑的過程中 , 填平鴻溝、構(gòu)建橋梁也很重要。基于此 , 算法可能是病理 AI 整個(gè)鏈條中非常小的一個(gè)問題 , 她認(rèn)為 , 有很多其他問題需要行業(yè)合作解決。

未來 2~3 年 , 病理 AI 將如何發(fā)力?

正如步宏教授所言 , 病理 AI 要在使用中完善。阿里云市場營銷和公共事務(wù)總經(jīng)理劉湘雯指出 , 病理 AI 是很窄很垂直的領(lǐng)域 , 但從從技術(shù)到醫(yī)生會涉及非常長的產(chǎn)業(yè)鏈 , 開發(fā) AI 的人找到自己的位置要產(chǎn)生業(yè)務(wù)價(jià)值。具體到病理 AI, 就是要節(jié)約醫(yī)生的時(shí)間和醫(yī)療成本。

那么 , 完善的路徑會是怎樣的? 參會嘉賓紛紛給出了他們的方案。

病理 AI 應(yīng)用落地應(yīng)該先易后難 , 賽諾特創(chuàng)始人齊華認(rèn)為 , 從好識別、容易定量化的標(biāo)志物做起。通常 , 試劑廠商都有成熟的商業(yè)模式 , 齊華建議 , 可以直接將 AI 產(chǎn)品與試劑組合 , 讓 AI 有變現(xiàn)通道的同時(shí)提高了試劑的競爭力。

考慮到外部環(huán)境可能產(chǎn)生的影響 , 易普森首席算法科學(xué)家周旭呼吁國內(nèi)硬件廠商多研發(fā)病理 AI 的基礎(chǔ)元器件 , 盡快把國產(chǎn)設(shè)備做大做強(qiáng)。蘭茜生物技術(shù)負(fù)責(zé)人韓方劍則表示 , 最現(xiàn)實(shí)的一件事 , 服務(wù)好病理醫(yī)生 , 獲得醫(yī)生認(rèn)可。

商湯科技智慧健康病理產(chǎn)品負(fù)責(zé)人黃曉迪指出 , 可以用更平臺化的思路去解決病理 AI 落地的問題 , 從區(qū)域到醫(yī)院 , 再到科室 , 將影像科與病理科數(shù)據(jù)打通 , 通過不同數(shù)據(jù)模態(tài)間的融合真正地推動(dòng)數(shù)字病理進(jìn)化的過程。

作為研討會的最后環(huán)節(jié) , 動(dòng)脈網(wǎng)蛋殼研究院發(fā)布了聯(lián)合阿里云天池、Intel 共同制作的《數(shù)字病理診斷排行榜》。動(dòng)脈網(wǎng)認(rèn)為 , 病理 AI 產(chǎn)業(yè)生態(tài)合作十分必要 , 各個(gè)專業(yè)間應(yīng)當(dāng)結(jié)合起來 , 面向?qū)嵺`、場景去解決醫(yī)生真正關(guān)心的問題 , 也希望包括政府機(jī)構(gòu)在內(nèi)的更多群體能夠關(guān)注病理 AI 的應(yīng)用成長。