千億規模的病理市場，能否成為AI初創企業的新出口？
4、Lunit
來自韓國的人工智能企業Lunit為乳腺癌研發了一整套的人工智能產品，其胸部X光攝影和乳房X光攝影用于疾病最初檢測與篩查，讓他乳腺組織病理切片評級是醫學最終診斷結果的關鍵步驟。
盡管病理學評級在診斷過程中起著很重要的作用，但該領域還是缺乏可量化的客觀標準和詳細的解釋過程，數字病理學的出現為解決該問題帶來了希望。
Lunit在數字病理學研究上花費了不少財力和人力，為的是客觀地解釋組織樣本中不同的形態學特征，并在提高組織病理學診斷的準確性、高效性和一致性上進行創新。
2017年，Lunit引入了一種人工智能算法，可以實現對淋巴結中乳腺癌轉移的自動檢測和階段評估，這是人類第一次嘗試將特定的病理學任務從頭到尾自動化。
對區域性淋巴結的病理診斷（pN－stage：也就是判斷乳腺癌是否已經擴散到淋巴結）這一診斷過程需要進行檢查的圖片數據量非常大，且圖片的最高分辨率達到了200，000 × 100，000像素，這需要耗費病理學家大量的時間來對多個圖片進行仔細審查，最后正確確定pN－stage。
Lunit運用其深度學習技術，開發出一種高度精確的pN－stage預測算法，該算法將多個淋巴結組織切片的腫瘤轉移的檢測和分類整合到一個臨床結果中，使用來自Camelyon17數據集的淋巴結組織學圖像來建立一個預測pN－stage的算法，該算法的性能水平超過了目前世界上大多的領先技術，其有可能顯著提高病理學家的效率和診斷準確性。
場景：植入器械的人工智能
既然我們可以設計出深度解析病理影像的軟件，那何不直接在影像采集時就對其進行優化呢？
如今，一些傳統的器械企業也在嘗試將過去死板的儀器智能化，用人工智能賦予其更精細的影像與更迅捷的分析效率。
1、福怡股份
福怡股份是一家深耕病理15年的醫療器械公司，其產品覆蓋了病理影像采集、病理數據分析、遠程病理診斷等服務，能夠為病理科提供智能診斷整體解決方案。
其研制的數字病理智能診斷系統可以完成圖像高清數字化轉換，最高通量400片，實現了24小時無人值守自動掃描。病理切片高速掃描，無縫拼接，更改傳統工作方式，讓病理標本數字化，圖像化，可存儲化，為實現數字化、信息化打下良好基礎。
福怡股份的數字病理遠程診斷系統平臺以AI技術為輔助，已積聚了全國近2000位公立醫院在職病理科醫生，為“遠程病理標準實驗室”進行診斷的是各省頂尖病理專家，每個省選取5～10位副高級以上專家，保證診斷結果在區域范圍內具有一定權威性，杜絕漏診，確保診斷結果真實可靠。
2、智影醫療
近日，智影醫療研發的一款 AI 顯微鏡——基于痰菌顯微成像的肺結核自動診斷系統，即將正式投入商用。AI 顯微鏡應用了人工智能深度學習算法，可在3分鐘內快速掃描整個玻片及進行結核桿 菌計數，診斷出肺結核。
傳統的痰涂片檢測醫學圖像處理方式是算法依據建立的規則對圖像進行處理，規則不能適配所有個體，所以檢測的準確率不高，而人工智能的圖像處理，是經過了大數據的訓練，深度學習開發， 可以大幅度提高檢測的準確率。
智影醫療開發的 AI 顯微鏡融入了人工智能的圖像處理和視覺處理技術，提供痰液染色涂片自動 掃描圖像并進行智能檢測分析，醫生輕松輸入指令，AI 就能自動識別、檢測痰液染色涂片，之后定量計算和生成報告，并將檢測結果實時顯示到客戶端中，及時提醒又不打擾醫生工作流程， 能提高醫生的診斷效率和準確度。
場景：病理與新藥研發
當我們獲取了基本的病理數據后，我們是否可以從中看出更深層次的，診斷以外的信息呢？有心的企業正嘗試。
在沒有人工智能前，對病理切片進行定量分析是一個幾乎不可能完成的任務，只能憑借醫者的感覺大致估量病變的范圍。但人工智能的出現使組織細胞的精準計數成為可能。
在這種情況下，研究人員能夠迅速精確地獲取一段時間內切片的病變細胞數量、程度的數目及變化情況，就能輕易的觀察出臨床實驗中的新藥對病灶產生了怎樣的影響。
順著這一邏輯，我們或許可以利用AI觀察動物受藥后的組織細胞變化狀況，從而更加精確地指導藥物研發。
成都的知識視覺正在做這樣的事，即為CRO提供提供定量的數字病理圖像可視化與量化分析，以輔助藥物臨床科研。在與羅氏診斷的合作中，知識視覺的成果受到了羅氏的肯定。
但這一想法的起源并非面向AI新藥研發，其創始人向飛在采訪中說道：“我們致力于打造一個無代碼化病理AI應用研發云平臺，解決病理AI應用研發難度大、硬件投入大、溝通和數據標注成本高等問題，讓病理醫生可以根據實際需求無需編碼就能實現病理AI應用的研究工作。”
國外的Reveal Biosciences、PathAI也在做類似的事。
近日，Reveal Biosciences獲得了英特爾領投的A輪融資，其創始人創始人兼首席執行官Claire Weston博士表示：“迄今為止，Reveal Biosciences的ImageDx技術已為三百多家醫療機構提供信息服務。我們特定的數據集成方式，能夠大規模且快速生成病理學AI算法。通過這次融資，我們很高興能夠擴大我們研究人員、病理學家和技術人員的生態系統，共同引領AI+醫療找到新范式。”
場景：NLP與基因云
除了針對病理信息自身進行分析之外，研究或許可以將相關數據與基因庫進行關聯，在進行實驗時同時監測受試者的表型和基因型數據。
而隨著免疫治療的發展，PD－1／PD－L1和CAR－T治療中對新的腫瘤免疫標記物的空間定位和定量亦給病理診斷提出了更高的要求，這同樣需要新的技術進行革新。
基于醫院病理科傳統的信息平臺，醫生難以實現大規模的病理診斷。其中的主要原因在于文本報告和數字圖像等病例信息難以通過人工實現大數據的回顧性科研搜索、分析和管理，自然也阻礙了病理診斷的標準化和標準演進。
在此背景下，精準醫療大數據公司志諾維思繪制了病理知識圖譜，并開發了中文病理報告自然語言處理、腫瘤基因組生物信息分析和病理圖像人工智能等多項核心技術。這將為研究計劃提供病理文本、圖像和基因組數據分析功能，同時也能為參加項目的其他成員提供標準化分析自身數據的工具。
通過連接病理HE、IHC等染色影像信息與基因組學中的基因組、表達組信息，志諾維思能以更高的精度與更快的效率挖掘生物標記物，助力藥物研發。
場景：第三方醫學檢查中心
第三方醫學診斷機構是國家實現分級診療、促進公立醫院改革的重要手段，同時也是社會資本進入醫療行業的重要落地形式。而人工智能技術的進入有望提升了第三方醫學檢測中心的醫療實力。進入這一領域的企業越來越多。
云病理的出現則加速了第三方影像中心的發展，這一模式使得遠程病理診斷更加方便，使數字病理從“概念上”的遠程醫療逐漸過渡到實際應用中，形成了云病理平臺。
如今，國內已有多家大型企業借助云平臺將AI病理診斷技術輸出于國內外的醫學檢測中心。
1、蘭丁醫療
傳統的宮頸癌細胞學篩查是由醫技人員在顯微鏡下根據經驗進行診斷。按國際標準，宮頸癌細胞學篩查醫技人員每天閱片量應小于100例；人不是機器，始終無法避免因疲勞或經驗的不同所造成人為診斷誤差。
而蘭丁醫學開發的AI宮頸癌診斷機器人“Landing”可以幫助醫生精準發現早期宮頸癌前病變，使得宮頸癌極有可能成為首個通過預防篩查而實現根除的惡性腫瘤。
依托于這一AI技術，蘭丁醫學已經在全國各地建立了400余家“蘭定標準細胞實驗室”，這些實驗室在省會城市三甲醫院、中小城市二甲醫院，甚至國內農村基層計生站均有覆及。
這一全新篩查模式特點是結束了宮頸癌篩查依靠專家經驗診斷的歷史，用大數據提高診斷質量，靠現代化技術降低成本，從而提高大規模宮頸癌篩查效率以及癌前病變及陽性檢出率，對降低宮頸癌的發病率及死亡率將發揮重要作用。此外，為解決世界發展中國家共存的基層缺乏腫瘤篩查專業人員的難題提供了切實可行的解決方案。目前，蘭丁所完成的宮頸癌篩查總量已經超過了200萬例。
蘭丁醫療正一步一步走向世界。如今，蘭丁宮頸癌篩查人工智能云診斷平臺已于4月1 日向世界開放，世界各國，特別是“一帶一路”沿線國家的婦女都有望分享中國人工智能云診斷平臺提供的高質量低成本宮頸癌篩查服務。
2、衡道病理
衡道病理以“全職醫技團隊＋一線會診專家＋共建聯合平臺”多層級模式，依托“數字遠程會診網絡＋實體中心＆物流支持”，為廣大基層醫院提供病理會診及診斷支持，專注解決術中冰凍、疑難會診、各類特色穿刺活檢和小標本快速診斷。旗下全基因組芯片平臺，提供20款多癌種分子病理智能報告軟件，讓分子病理走進基層。
依托AI專業團隊和技術儲備，衡道病理積極開展與各類知名三甲醫院科研合作，推進病理人工智能（Path AI）穩健發展。運用衡道病理大數據優勢（PathHub？），構建整個病理行業在人工智能時代的基礎設施，為病理醫生提供智能化輔助工具，提升診斷效率，實現病理大數據與技術成果的共享，助力行業升級。
3、平安健康（檢測）中心
2018年10月，平安租賃大手筆一揮，300億資金支持下1000家第三方檢測中心陸陸續續露出頭來。平安健康（檢測）中心的優勢在于平安的整體構架。這一第三方檢測中心不僅擁有平安好醫生為其導流，平安傳統的保險業務也為患者提供的諸多可選的醫保與商保服務。
如今政策已至，平安檢測的入駐則為整個賽道帶來了活力。當平安體系建立完畢后，也許國內第三方醫學檢驗將形成一個全新的局面。
總結
以上收錄的大多數為專注于“AI＋病理”的企業，實際上，許多醫學影像類人工智能企業早已經開始涉足病理領域，或自建醫學實驗室。從趨勢上看，病理背后精準醫療與AI的結合已成定勢。
診斷如此，AI制藥更是如此。新藥研發完全有可能超越影像類產品，成為人工智能在醫療領域最先實現商業化的場景。我們期望能看到更多志諾維思、知識視覺這樣的公司，透過病理數據的表象，連接基因數據，為攻克腫瘤等頑疾獻計獻策。
科研也在不斷前進，深度學習能讓科研人員更精確地量化細胞參數，更直觀地觀測腫瘤細胞的變化。
所以，對人工智能抱有期待的相關者，不妨將部分注意力轉向病理，或許能發掘到令人意想不到的潛力。
文 ｜ 趙泓維
網站、公眾號等轉載請聯系授權
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
圖片新聞
