阿里云天池主辦的 數字人體 視覺挑戰賽落幕收官

歷時 107 天 , 阿里云天池主辦的" 數字人體" 視覺挑戰賽落幕收官 , 此次大賽以宮頸癌為切入口 , 旨在通過提供大規模經過專業醫師標注的宮頸癌液基薄層細胞檢測數據 , 讓選手能夠提出并綜合運用目標檢測、深度學習等方法對異常細胞進行定位以及對宮頸癌細胞學圖片分類 , 提高模型檢測的速度和精度 , 輔助醫生進行診斷。

英特爾是此次大賽聯合主辦方 , 其開創的英特爾深度學習加速技術 , 極大的提升了本次比賽的推斷效率。大賽期間 , 來自 12 個國家和地區的近 3000 名選手帶來的超過 2000 項病理 AI 技術創新成果 , 為數字病理臨床應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 共同主辦的數字病理產學研研討會在杭州舉行 , 二十余位來自醫療機構和產業界的嘉賓就病理 AI 的臨床需求和未來發展趨勢進行了深入探討 , 研討會由動脈網聯合創始人、COO 畢元鋒主持。

應用落地是關鍵

參與此次" 數字人體" 視覺挑戰賽的項目中 , 部分算法模型具備直接應用至各大醫院數字化設備中的條件。阿里巴巴達摩院醫療 AI 總監遲穎認為 , 這是很好的趨勢。

在開場致辭中 , 遲穎將人工智能技術比作醫療健康的導航儀 , 通過技術前移實現治未病的目標。目前 , 醫療 AI 主要研究方向是用視覺引擎、知識引擎、搜索引擎等技術輔助醫療行為 , 使醫療分析、健康管理、公共衛生變得高效、普惠、低成本。遲穎認為 , 醫療機構、基層公共衛生保健、醫療保險、醫療器械與耗材等都可以成為醫療 AI 應用落地的場景 ,“隨著傳統機器學習不斷向深度學習轉化 , AI 在醫療中的主流價值越來越明顯 , 已經成為一種不可缺少的前進動力。”

Intel 云計算和人工智能首席工程師胡瀟也強調 , 醫療 AI 技術的關鍵在于真正的落地 , 而并非陽春白雪式追求象牙塔里的學術成果 , 需要更好地造福廣大老百姓。可喜的是 , 現階段的 AI 技術創新已經不僅考慮到算法成就 , 也嘗試落地減少每一個病患的疾病負擔。

醫療機構的病理 AI 需求是怎樣的?

近年來 , 許多病理 AI 產品被應用到臨床創新實踐中。但是 AI 作為底層核心技術 , 推動這個領域真正成熟、成體系 , 還有一段距離。

中華醫學會病理學分會前任主任委員、四川大學華西醫院病理科教授步宏教授發表主題為《遠程病理與人工智能的再思考》的遠程演講 , 分享了對遠程病理的三點看法和對人工智能的三點思考。

步宏教授認為 , 第一 , 遠程平臺智能水平以及友好體驗不夠 , 很多數字化元素沒有充分利用 , 不能用傳統病理的思維做遠程病理平臺 ; 第二 , 開展遠程病理診斷時 , 應注意區別操作難易程度 , 調動醫生的參與積極性 ; 第三 , 遠程病理平臺應該利用 AI 技術革新病理診斷報告的內容與形式。

算法、算力以及醫療大數據的共同應用是 AI 進步的三大基本條件 , 其中 , 充分利用醫療大數據是最重要的元素。病理診斷需要整合各種維度的醫療信息 , 病理 AI 的目標應該是提供多元量化指標的支持系統。

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 , 應用場景作為病理 AI 的 “最后一公里”, 是薄弱環節 , 應當格外重視 ; 第三 , 要建造信息共享平臺 , 用靈活的機制與運作打破病理人工智能的研發孤島。

在我國 , 執業醫師短缺是病理科面臨最現實的問題 , 浙江大學健康醫療大數據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 , 病理科技術迭代滯后 , 病理科人力成本仍占總支出近 40%, 在現有條件下拓展病理科醫師隊伍難度大。

中南大學湘雅二院病理科副主任蔣誼表示 , 做病理 AI, 只強調人工智能是不夠 , 沒有病理醫生參與的病理 AI 最后也很難獲得商業上的成功。病理是非常復雜的學科 , 不能拘泥于切片掃描與標注、深度學習等技術 , 要把診斷專家的經驗與數字掃描分析結合起來。病理 AI 產品應該讓病理科醫生用起來舒服 , 而不是終結病理科醫生。

浙江省腫瘤醫院病理科主任孫文勇表示 , 細胞病理、分子病理在臨床實踐中是比較新的技術 , 醫生的數據整合與結果分析經驗較少 , 組織病理分析診斷是病理科工作量最大的部分 , 如果能夠開發出足夠有效的組織病理 AI 產品 , 醫生的工作量將大大減少。

瑞金醫院病理科副主任謝靜指出 , 病理科專業性非常強 , 不同專業相差很遠 , 相比肺癌、胃腸癌等 , 內分泌腫瘤樣本的異質性較小 , 或許適合被作為 AI 的應用方向。

病理界和企業界之間要產生一種相互寬容的機制 , 河南省醫學科學院副院長、河南腫瘤醫院病理科主任郭永軍強調 , 整合所有醫療信息用于病理診斷要有一個過程 , 雙方的期待值都不能過高。郭永軍主任建議 , 創新企業可以貼合政策需求 , 巧力推動病理 AI 落地和產業發展

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。華銀健康集團副總經理溫韻潔表示 , 華銀健康在日常的服務過程中 , 積累了大量開發 AI 產品所需的數字切片數據 , 病理醫生與 AI 團隊要相互理解 , 在做應用選擇時 , 可以選擇相對簡單、但醫生最需要的方向。

對于孫文勇主任提出的組織病理 AI 需求與細胞病理 AI 供給之間的錯配 , 衡道病理中心技術總監、首席科學家劉凈心博士表示 , 細胞病理對應著量化分析指標 , 并且機器完成效率高于人工 , 因此更容易落地。

現階段的病理 AI 落地遭遇了哪些困難?

醫學影像具有高維高密的特點 , 在主題為《醫學影像 + 人工智能的特點、技術與趨勢》的遠程演講中 , 中國科學院計算技術研究所研究員周少華指出 , 現階段數據差異性大、存儲分散、大批量標注數據少、樣本多模態、對應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的趨勢性技術 , 學術界、醫療機構和產業界應當通力合作。

江豐生物布局國內市場近 9 年 , 是國內供貨量最大的數字病理掃描設備廠商之一。2019 年 5 月 , 江豐生物基于數據積累自主開發的宮頸癌篩查產品獲得了第二類醫療器械注冊證。不過 , 江豐生物董事長劉炳憲認為 , 目前病理 AI 仍處于初級階段 , 他同樣提示了多點合作的重要性。

由于缺乏統一的標注標準 , 基于不同醫生、醫療機構 , 甚至試劑耗材構建的病理 AI 模型并不具有可復用性。迪英加科技董事長楊林表示 , 在一次嘗試將模型訓練中敏感度 99.5% 的高特異性產品推向市場的過程中 , 他們甚至曾得到過準確率與產品參數完全不一致的負面反饋 ,“與病理專家討論與交流比想象復雜 , AI 落地面臨包括模型分析能力、數據非標、醫療服務收費標準等許多問題 , 需要專家與企業一起努力。”

人工智能并不是現在才開始結合各個行業 , 深思考 CEO 楊志明指出 , 看似一件事很簡單 , 比如宮頸癌細胞學篩查 , 會越做越深入就越難。一個普遍存在的窘境是 , AI 不懂病理、細胞病理不懂 AI, 無法產業化 , 彼此結合至關重要。不過 , 楊志明相信 , 現階段是病理 AI“黎明前的 5、6 點”, 突破即將到來。

據調查 , 在醫生的使用率方面 , 影像方面已經非常高了 , 醫生點擊率已超過 80%, 視見科技 CEO 陳浩用數據驗證了楊志明的觀點 ,“AI 證明了自己的價值在在某些細分領域。”

醫生需求不一樣 , 對模型的要求也不一樣 , 衛寧健康人工智能總監劉鳴謙指出 , 新產品、新技術打通應用路徑的過程中 , 填平鴻溝、構建橋梁也很重要。基于此 , 算法可能是病理 AI 整個鏈條中非常小的一個問題 , 她認為 , 有很多其他問題需要行業合作解決。

未來 2~3 年 , 病理 AI 將如何發力?

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總經理劉湘雯指出 , 病理 AI 是很窄很垂直的領域 , 但從從技術到醫生會涉及非常長的產業鏈 , 開發 AI 的人找到自己的位置要產生業務價值。具體到病理 AI, 就是要節約醫生的時間和醫療成本。

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 應用落地應該先易后難 , 賽諾特創始人齊華認為 , 從好識別、容易定量化的標志物做起。通常 , 試劑廠商都有成熟的商業模式 , 齊華建議 , 可以直接將 AI 產品與試劑組合 , 讓 AI 有變現通道的同時提高了試劑的競爭力。

考慮到外部環境可能產生的影響 , 易普森首席算法科學家周旭呼吁國內硬件廠商多研發病理 AI 的基礎元器件 , 盡快把國產設備做大做強。蘭茜生物技術負責人韓方劍則表示 , 最現實的一件事 , 服務好病理醫生 , 獲得醫生認可。

商湯科技智慧健康病理產品負責人黃曉迪指出 , 可以用更平臺化的思路去解決病理 AI 落地的問題 , 從區域到醫院 , 再到科室 , 將影像科與病理科數據打通 , 通過不同數據模態間的融合真正地推動數字病理進化的過程。

作為研討會的最后環節 , 動脈網蛋殼研究院發布了聯合阿里云天池、Intel 共同制作的《數字病理診斷排行榜》。動脈網認為 , 病理 AI 產業生態合作十分必要 , 各個專業間應當結合起來 , 面向實踐、場景去解決醫生真正關心的問題 , 也希望包括政府機構在內的更多群體能夠關注病理 AI 的應用成長。