病理人工智能是通過(guò)人工智能算法，對(duì)數(shù)字化病理切片進(jìn)行診斷的一種技術(shù)。數(shù)字病理技術(shù)是病理人工智能技術(shù)的基礎(chǔ)，模型構(gòu)建是病理人工智能技術(shù)的關(guān)鍵。

　　一、賦能精準(zhǔn)診斷

　　目前，精準(zhǔn)醫(yī)療進(jìn)入市場(chǎng)成長(zhǎng)期，腫瘤精準(zhǔn)診斷行業(yè)發(fā)展空間較大。只有進(jìn)行精準(zhǔn)診斷，才能實(shí)現(xiàn)精準(zhǔn)醫(yī)療。腫瘤良惡性判別、惡性腫瘤分類等診斷結(jié)果直接影響腫瘤患者臨床治療方法的選擇，因此高質(zhì)量、精準(zhǔn)的病理診斷方法至關(guān)重要。傳統(tǒng)病理診斷難以滿足精準(zhǔn)診斷需求，而病理人工智能提供的定量指標(biāo)使得精準(zhǔn)醫(yī)療成為可能。

　　腫瘤預(yù)后管理也需要病理人工智能的支持。據(jù)調(diào)查，我國(guó)癌癥患者5年存活率遠(yuǎn)低于發(fā)達(dá)國(guó)家和地區(qū)，病理診斷預(yù)后效果不夠理想。目前，大多數(shù)腫瘤分類依賴于病理醫(yī)生憑借主觀經(jīng)驗(yàn)對(duì)病理組織切片組織形態(tài)學(xué)進(jìn)行判斷，定性診斷不足以提供精確的預(yù)后評(píng)估。病理人工智能提供的定量指標(biāo)，可以為精準(zhǔn)的預(yù)后評(píng)估提供數(shù)據(jù)支撐。

　　二、市場(chǎng)痛點(diǎn)待解

　　“數(shù)據(jù)孤島”限制了病理人工智能的發(fā)展。人工智能開(kāi)發(fā)需要大量數(shù)據(jù)作為支撐，國(guó)內(nèi)大部分醫(yī)療數(shù)據(jù)存儲(chǔ)于醫(yī)院以及第三方檢驗(yàn)機(jī)構(gòu)，“數(shù)據(jù)孤島”現(xiàn)象導(dǎo)致用于人工智能診斷學(xué)習(xí)的病理切片和病理資料偏少。

　　第三方檢驗(yàn)機(jī)構(gòu)缺乏交流合作機(jī)制。實(shí)際上，第三方檢驗(yàn)機(jī)構(gòu)具有較好的數(shù)據(jù)資源積累，但彼此之間缺少合作交流機(jī)制，不同檢驗(yàn)機(jī)構(gòu)之間存在設(shè)備、軟件差異，數(shù)據(jù)標(biāo)準(zhǔn)化程度也各不相同，因此，各檢驗(yàn)機(jī)構(gòu)往往基于自身掌握的數(shù)據(jù)資源各自進(jìn)行算法開(kāi)發(fā)，限制了數(shù)據(jù)資源的互通共享。

　　病理醫(yī)生的經(jīng)驗(yàn)難以量化，機(jī)器學(xué)習(xí)方法需要跟進(jìn)。從病理學(xué)角度來(lái)看，全身疾病的種類多達(dá)5000余種，每種疾病都有不同的診斷標(biāo)準(zhǔn)，每個(gè)標(biāo)準(zhǔn)又有很多對(duì)應(yīng)特征。在臨床上，大部分疾病診斷依賴于病理醫(yī)生的專業(yè)水平和診斷經(jīng)驗(yàn)，在一定程度上，病理學(xué)是一門經(jīng)驗(yàn)學(xué)科。如何把這種難以量化的經(jīng)驗(yàn)傳授給機(jī)器，是病理人工智能要攻克的難關(guān)。

　　人工智能人才短缺。據(jù)統(tǒng)計(jì)，目前，我國(guó)人工智能行業(yè)從業(yè)人員不足5萬(wàn)人。國(guó)內(nèi)雖有部分高校已開(kāi)設(shè)相關(guān)專業(yè)培養(yǎng)相關(guān)人才，但仍舊難以滿足正在發(fā)展勢(shì)頭上的病理人工智能領(lǐng)域需求。

　　三、行業(yè)發(fā)展之策

　　技術(shù)（算法）與商業(yè)模式（病理醫(yī)生與人工智能專家之間的合作方式）是推動(dòng)病理人工智能行業(yè)進(jìn)步的兩個(gè)主要因素。

　　四、機(jī)器學(xué)習(xí)轉(zhuǎn)向深度學(xué)習(xí)

　　深度學(xué)習(xí)是一種基于人工神經(jīng)網(wǎng)絡(luò)、對(duì)數(shù)據(jù)進(jìn)行特征學(xué)習(xí)的算法的泛稱。該算法對(duì)大數(shù)據(jù)樣本、復(fù)雜函數(shù)模型具有強(qiáng)大的處理能力，是人工智能領(lǐng)域熱門研究方向。

　　近年來(lái)，高質(zhì)量數(shù)字病理切片的大量積累為病理切片的分析提供了大數(shù)據(jù)背景，深度學(xué)習(xí)算法對(duì)大數(shù)據(jù)樣本的分析能力強(qiáng)于機(jī)器算法，在病理切片分析中具有巨大潛力。以深度學(xué)習(xí)為代表的人工智能可以在一定程度上減少病理醫(yī)生經(jīng)驗(yàn)性誤判導(dǎo)致的誤診，提高病理醫(yī)生工作效率。結(jié)合強(qiáng)大的客觀分析能力，深度學(xué)習(xí)技術(shù)還能發(fā)現(xiàn)人眼不易察覺(jué)的細(xì)節(jié)，學(xué)習(xí)到病理切片分子層面上的特征，從而不斷完善病理醫(yī)生和數(shù)字病理診斷知識(shí)體系。

　　五、醫(yī)工合作模式需深入推進(jìn)

　　從病理醫(yī)生的臨床角色來(lái)看，計(jì)算機(jī)輔助病理醫(yī)生診斷依然是現(xiàn)階段主流趨勢(shì)，制造出貼合臨床使用需求的病理人工智能產(chǎn)品，離不開(kāi)病理學(xué)家的深度參與。從臨床診斷準(zhǔn)確度來(lái)看，目前的人工智能醫(yī)療技術(shù)還不夠完善，深入的醫(yī)工合作將有利于推動(dòng)人工智能醫(yī)療技術(shù)進(jìn)步和診斷準(zhǔn)確度提高。從病理數(shù)據(jù)來(lái)看，深度學(xué)習(xí)要完成一個(gè)有效的學(xué)習(xí)目標(biāo)，需要巨大的病理數(shù)據(jù)作為支撐，而大量病例數(shù)據(jù)被封閉在醫(yī)院，難以被病理人工智能開(kāi)發(fā)企業(yè)獲取，加深醫(yī)工合作是打破“數(shù)據(jù)孤島”的途徑之一。

（眾成醫(yī)械研究院供稿）