安檢機 | X光安檢機 |
新聞資訊
美國數(shù)字病理學初創(chuàng)公司Paige.A I通過人工智能診斷癌癥獲得了FDA 授予的突破性設備”稱號，近日。這家成立缺乏2年的公司接手了斯隆-凱特琳癌癥中心（MSKCC獨家授權(quán)的400多萬個包括病理學信息和電子病理的檔案，這些數(shù)據(jù)給予了改變世界的可能。很明顯，抓住了這個機會。
醫(yī)學影像作為計算機視覺中的子應用已被廣泛應用于放射領域，反觀國內(nèi)。依圖醫(yī)療、推想科技、深睿醫(yī)療、體素科技等瞄準放射科的人工智能影像企業(yè)已經(jīng)走出國門。
AI病理市場潛力巨大，作為精準醫(yī)療的支撐。規(guī)?？蛇_數(shù)百億人民幣，但專注于此的守業(yè)公司屈指可數(shù)，僅有的幾家企業(yè)的融資輪次最高至A輪，與放射科的醫(yī)學影像發(fā)展判若云泥。
看看AI+病理到底是一塊怎樣的土地?？此聘侍鸬墓麑崬楹螣o人采擷？無妨從技術、產(chǎn)業(yè)等角度進行分析。
AI病理是否能復制放射的榮光？
可以說病理診斷的準確與否直接影響著患者的健康和命運。病理科被“現(xiàn)代醫(yī)學之父”威廉·奧斯勒稱為醫(yī)學之本。
保存高質(zhì)量圖像信息，數(shù)字技術的呈現(xiàn)使醫(yī)者能運用數(shù)字技術對病理圖像進行攝取、拼接、壓縮、貯存等。并結(jié)合數(shù)據(jù)庫技術形成數(shù)字病理切片系統(tǒng)。這種方式打破了保守病理學在存儲、保真性和檢索等方面的局限，通過圖像的瀏覽分析來完成病理分析、疾病診斷、遠程傳輸和病理教學等任務。
其病理學中的應用包括基于數(shù)字圖像的細胞學初篩、形態(tài)定量分析、組織病理診斷和輔助預后判斷等方面。其中蘊含的價值自然顯而易見，人工智能則是基于數(shù)字技術的升級。僅僅是病理診斷，其中市場便已包羅萬象。以胃癌為例，每年有超過2000萬人次不得不多次前往病理科進行胃鏡活檢。初略估計，這一市場規(guī)模高達百億人民幣。
病理切片還有更深層次的信息有待挖掘，除此以外。新藥研發(fā)、基因甚至還有新的第三方服務模式都在改變著現(xiàn)有的病理科室。
但這些數(shù)據(jù)的質(zhì)量整齊不齊，但這些病理人工智能企業(yè)的發(fā)展速度無法與影像AI企業(yè)相比。雖然每年醫(yī)院會生產(chǎn)大量病理數(shù)據(jù)。結(jié)構(gòu)與維度上都存在較大的差別。要通過這些數(shù)據(jù)撫育算法，需經(jīng)歷脫敏、清洗等過程，其中的困難水平可想而知。
之所以沒有企業(yè)能復制Paige.A I勝利，簡單而言。因為目前國內(nèi)沒有企業(yè)能擁有MSKCC那樣海量而標準的病理數(shù)據(jù)。
第三方醫(yī)學檢測的中心與醫(yī)院的科研需求正推動著數(shù)據(jù)以合理的形式流入人工智能，而這一問題正在逐漸化解。各級從業(yè)者越來越重視醫(yī)療數(shù)據(jù)的結(jié)構(gòu)問題。同時，更多細分領域的效果也越來越依托與對病理信息的處置，相關科研發(fā)展對于人工智能的需求直線上升，并緩慢的向產(chǎn)品進行轉(zhuǎn)化。
精準醫(yī)學的發(fā)展離不開人工智能
經(jīng)過干預的腫瘤細胞、動物樣本和人體樣本的形態(tài)學會發(fā)生相應改變，科研項目中。這種改變需通過特殊的方式予以顯示和統(tǒng)計。
必要時行免疫組織化學或免疫熒光檢測協(xié)助判斷，既往研究對于形態(tài)學的觀察主要集中于肉眼和顯微鏡。而后拍照進行人工計數(shù)或借助軟件統(tǒng)計。上述方法極具主觀性，易發(fā)生假陽性，重復性差，亟需一種新的手段評價形態(tài)學變化。
結(jié)果顯示深度學習算法診斷的曲線下面積AUC為 0.556~0.994病理醫(yī)師診斷的AUC為 0.724其中深度學習最佳算法在診斷模擬中的表示優(yōu)于病理醫(yī)師。ISBI舉辦的研究者挑戰(zhàn)賽評估了深度學習算法檢測乳腺癌患者淋巴結(jié)轉(zhuǎn)移病理切片中轉(zhuǎn)移灶的潛力。
王斐、魏培蓮、潘軍、武清、于觀貞共同著作的人工智能技術在組織和細胞形態(tài)學評估中的應用》詳細介紹了現(xiàn)有研究效果下的應用場景。而在產(chǎn)業(yè)之中，深度學習的應用不只于此。許多企業(yè)正是以這些研究為導向開始了基因、藥物研發(fā)方向的開拓。
1機體組織樣本中內(nèi)部特征的量化分析與臨床評價
主要通過術后病理切片評估獲得。腫瘤間質(zhì)比(TSR指腫瘤組織內(nèi)腫瘤細胞與間質(zhì)成分的比值。
結(jié)腸癌、非小細胞肺癌、乳腺癌、食管鱗癌、鼻咽癌、宮頸癌、肝細胞癌等實體瘤中。TSR影響腫瘤患者預后的獨立危險因素。既往主要由醫(yī)師通過顯微鏡下觀察肉眼判斷TSR大多以 50%作為間質(zhì)豐富或缺乏的界定值。
一是醫(yī)師經(jīng)驗決定了TSR精準性，這種評判規(guī)范存在許多問題。二是50%臨界值并不一定準確。應用人工智能技術可準確量化TSR如果腫瘤細胞判斷準確，TSR可以精確到個位數(shù)。
論文作者王斐等人的研究小組利用人工智能技術判讀某張腫瘤組織病理切片的TSR可見肉眼判讀的TSR為 30%~50%而通過人工智能技術判讀的TSR為27.3%標明人工智能技術在識別腫瘤樣本內(nèi)部特征方面具有明顯優(yōu)勢。
富含腫瘤特異性細胞毒性T淋巴細胞和自然殺傷細胞，腫瘤浸潤淋巴細胞(TIL指從腫瘤組織中分離出來的浸潤淋巴細胞。鑒定和評價腫瘤內(nèi)部的TIL對于判斷預后和指導治療具有重要價值。AI技術可在其中發(fā)揮重要價值，國內(nèi)企業(yè)深思考便是以此為突破設計人工智能產(chǎn)品。
保守的基于H-E染色或免疫組織化學染色的分析極具主觀性，對于如何定量TIL以及分析它空間分布。且耗時費力、準確性差，而AI能夠高校準確地運用卷積網(wǎng)絡計算淋巴細胞數(shù)量與空間分布。
提出了基于13種TCGA 腫瘤類型的H-E圖像的TIL映射。這些TIL映射 通過計算染色得到使用訓練好的卷積神經(jīng)網(wǎng)絡對圖像進行分類，Saltz等利用腫瘤基因組圖譜TCGA 數(shù)據(jù)庫。揭示了TIL模式的局部空間結(jié)構(gòu)，并與總體生存時間進行關聯(lián)。
目前評價神經(jīng)侵犯的方式仍是顯微鏡下肉眼觀察，第三個定性分析應用是用AI識別神經(jīng)侵犯淋巴結(jié)轉(zhuǎn)移。易漏診，且不能反映整張切片的神經(jīng)侵犯狀態(tài)。王斐等人的研究小組采用深度學習技術對肝門部膽管癌腫瘤細胞和神經(jīng)組織分別進行學習和識別，顯示了腫瘤細胞侵犯神經(jīng)組織的全過程，包括腫瘤細胞首先向神經(jīng)組織聚集，而后侵犯神經(jīng)鞘膜，然后侵蝕神經(jīng)纖維，最終沿著神經(jīng)轉(zhuǎn)移。
韓國企業(yè)已經(jīng)借此技術打造了以乳腺癌為目標的AI產(chǎn)品。如今。
2細胞和動物組織樣本的量化分析與藥效關系
藥物或基因干預手段對機體和腫瘤的治療效果和不良反應需通過形態(tài)學方法予以展示和評價。保守的基于H-E染色或特殊染色的顯微鏡下肉眼觀察和判讀具有局限性。基礎研究和臨床藥效評價會使用細胞和動物模型。
如壞死、出血、淋巴細胞反應、纖維增生、腫瘤形成和數(shù)目、血管形成等。這些表示均極具特征性和規(guī)律性，痛過深度學習技術學習細胞和動物病變樣本的形態(tài)學表現(xiàn)。因此利用人工智能技術進行藥效評價的可操作性強。本研究小組前期構(gòu)建了膽管癌動物模型，采用不同藥物進行干預，然后利用人工智能技術學習該疾病特征，結(jié)果標明人工智能技術可清晰顯示疾病的發(fā)生過程和臨床療效。
3細胞識別與分選
但少有研究集中于細胞的形態(tài)學變化。倫敦癌癥研究所的ChriBakal教授和 JuliaSero博士使用珀金埃爾默公司的Opera?高內(nèi)涵成像分析系統(tǒng)獲取圖像，細胞學實驗是基礎和臨床轉(zhuǎn)化研究的基石。采用類似于神經(jīng)網(wǎng)絡研究的方法分析了不同治療條件下數(shù)以千計的個體乳腺癌細胞的形態(tài)和 理特征，并對線粒體群體的變化和趨勢進行了檢測。該研究將會在表型篩選和未知藥物作用機制的研究中發(fā)揮作用。
用于識別和分選細胞。鬼影細胞測定儀以每秒1萬多個細胞的速度識別細胞，一種新的細胞識別和分選系統(tǒng)鬼影細胞測定儀將一種新的成像技術與人工智能技術結(jié)合。以每秒數(shù)千個細胞的速度對細胞進行分類。
時間波形與隨機模式強度分布的組合使之能在計算機上重建細胞形態(tài)，此外。可以直接在壓縮波形上應用機器學習而不必進行圖像重構(gòu)，實現(xiàn)高效的基于圖像的無形態(tài)學細胞檢測。這種方法將用于識別和分選患者血液中的循環(huán)腫瘤細胞，加速藥物 發(fā)現(xiàn)和改進基于細胞療法的療效。
4特殊染色結(jié)果的量化分析和臨床治療與預后
除可使用H-E染色外，評價藥物或基因干預效果時。還可借助特殊染色輔助判別，包括免疫熒光技術和免疫組織化學技術。其中免疫組織化學技術因具有經(jīng)濟、方便、快速和高通量等特點而應用廣泛，但由于技術水平差別和評價體系的局限性，其結(jié)果規(guī)范性較差。
特征性明顯，由于免疫組織化學染色圖像也屬于二維圖像。人工智能技術非常適合對其結(jié)果進行判讀和一致性評價。并對染色情況進行自動評分。
場景：病理診斷
醫(yī)生的職責是為了給予患者診斷建議，診斷是人工智能在病理領域的一個直觀的應用。常人的刻板印象中。而人工智能則是為了替代醫(yī)生。
但作為一種數(shù)據(jù)處理手段，這種印象顯然存在邏輯問題。經(jīng)過恰當訓練的AI確可以全方位地審視病理數(shù)據(jù)信息，以輔助醫(yī)生做出判斷。
國內(nèi)從事影像數(shù)據(jù)的分析的AI企業(yè)占據(jù)了AI+病理”半壁江山，事實上。動脈網(wǎng)記者采訪了局部國內(nèi)外從事病理影像診斷的企業(yè)，并將其特點總結(jié)如下。
1透徹影像
其產(chǎn)品瞄準于肺、胃、腸、淋巴結(jié)、前列腺和乳腺六個病理場景。成立于2017年的透徹影像是一家專注于病理的人工智能企業(yè)。
這仍是一片藍海市場，透徹影像CTO王書浩認為：場景的選擇是出于市場考慮。希望能在開端惠及更多的患者，胃癌便是如此。
其中大部分的需求次數(shù)為兩次及其以上。如此大量的篩查，中國每年大概有2000萬名患者擁有活檢的需求。國內(nèi)的病理科資源實在難以勝任。同時，胃、腸方向，醫(yī)生的重復勞動率非常高。很多時候患者可能僅僅是患有腸炎，但仍進行以腸癌為目標導向的治療，這種情況導致了很多無謂的活檢，而人工智能技術可以快速的甄別這一問題。
透徹影像AI對于胃部惡性腫瘤識別的敏感性現(xiàn)已達到100%特異性也達到90%現(xiàn)有狀態(tài)下，基于解放軍總醫(yī)院2017年胃部病理切片測試演講。該篩查準確率已經(jīng)達到一個相當高的規(guī)范。
該公司將著手對篩查出的癌癥進行準確劃分，而后。確認胃癌的每一個分型，以給出更加精準的診斷建議。
2深思考
為全國各地30多家知名三甲醫(yī)院及檢驗機構(gòu)提供宮頸癌篩查服務。至今為止，深思考人工智能(iDeepwise.ai自成立以來。深思考已經(jīng)完成了近10萬例宮頸玻片的回顧性分析研究。
其TCT輔助篩查產(chǎn)品癌前病變的敏感性從人工閱片的65%提升至接近100%陰性預測值提升至80%左右，研究過程中?？捎行Ы档烷喥t(yī)生8成閱片工作量。
相同評測條件下，其CEO楊志明談到宮頸細胞公開數(shù)據(jù)集Helerv采用MS-CNN深度學習細胞分類算法。各項指標逾越美國國立衛(wèi)生研究院NIH分類結(jié)果（敏感性超過NIH結(jié)果1-1.5%達到該數(shù)據(jù)集上全世界最優(yōu)的結(jié)果。
深思考可根據(jù)已有的TCT輔助篩查收費目錄進行收費。根據(jù)國家發(fā)布最新醫(yī)療價格項目規(guī)定，未來商業(yè)化方面。宮頸細胞學計算機輔助診斷價格為100元/次-160元/次，依照目前全國每年進行宮頸癌篩查的婦女約為1.1億人次計算，預計未來平均每年將可產(chǎn)生100億-200億人民幣的經(jīng)濟效益。
3迪英加
迪英加的AI+病理”產(chǎn)品可謂面面俱到以覆蓋盡可能多的癌癥患者。相對于其他病理企業(yè)。
而每年做細胞篩查的量級近一個億，迪英加開創(chuàng)人楊林告訴動脈網(wǎng)記者：中國每年新增的癌癥患者近500萬人。這是一個非常大的數(shù)量。而我產(chǎn)品覆蓋了所有的病理科室會用到各個大類，以及所有類型中至少50%以上的各種病變，其廣度可達世界首位。
迪英加以D-PathAI人工智能病理輔助診斷系統(tǒng)為核心，產(chǎn)品設計上。細胞病理方向開發(fā)了20余個智能分析模塊，可協(xié)助診斷胃癌、肺癌、膀胱癌、乳腺癌、腎癌、前列腺癌等癌癥分型。
迪英加能運用人工智能對探頭液樣品、血細胞以及像宮頸切片等進行判讀。分子病理方面。
迪英加已經(jīng)運用AI讀取了近百萬例宮頸切片，如今。其他類別的病理也趁迅速上升趨勢。并在前不久舉辦的人工智能卓醫(yī)挑戰(zhàn)賽獲得細胞病理（宮頸涂片）組織病理（甲狀腺冰凍）和免疫組化定量分析的三項技術冠軍。
其中《Pathologist-levelInterpretWhole-slidCancerDiagnosiwithDeepLearn被NaturMedicin影響因子30所收錄。迪英加的產(chǎn)品源自于迪英加開創(chuàng)人和迪英加研究院在AI-數(shù)字病理領域發(fā)表的100多篇SCI文章。
迪英加將采取模塊化銷售的方式，商業(yè)化方面。即醫(yī)院病理科可選擇最適合自己的模塊進行購買，并可在未來進行模塊擴充。
4Lunit
其胸部X光攝影和乳房X光機攝影用于疾病最初檢測與篩查，來自韓國的人工智能企業(yè)Lunit為乳腺癌研發(fā)了一整套的人工智能產(chǎn)品。讓他乳腺組織病理切片評級是醫(yī)學最終診斷結(jié)果的關鍵方法。
但該領域還是缺乏可量化的客觀規(guī)范和詳細的解釋過程，盡管病理學評級在診斷過程中起著很重要的作用。數(shù)字病理學的呈現(xiàn)為解決該問題帶來了希望。
為的客觀地解釋組織樣本中不同的形態(tài)學特征，Lunit數(shù)字病理學研究上花費了不少財力和人力。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(chuàng)新。
Lunit引入了一種人工智能算法，2017年?？梢詫崿F(xiàn)對淋巴結(jié)中乳腺癌轉(zhuǎn)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。
且圖片的最高分辨率達到200,對區(qū)域性淋巴結(jié)的病理診斷（pN-stage也就是判斷乳腺癌是否已經(jīng)擴散到淋巴結(jié)）這一診斷過程需要進行檢查的圖片數(shù)據(jù)量非常大。000100,000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
開發(fā)出一種高度精確的pN-stage預測算法，Lunit運用其深度學習技術。該算法將多個淋巴結(jié)組織切片的腫瘤轉(zhuǎn)移的檢測和分類整合到一個臨床結(jié)果中，使用來自Camelyon17數(shù)據(jù)集的淋巴結(jié)組織學圖像來建立一個預測pN-stage算法，該算法的性能水平超越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
那何不直接在影像采集時就對其進行優(yōu)化呢？既然我可以設計出深度解析病理影像的軟件。
一些傳統(tǒng)的器械企業(yè)也在嘗試將過去死板的儀器智能化，如今。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
其產(chǎn)品覆蓋了病理影像采集、病理數(shù)據(jù)分析、遠程病理診斷等服務，福怡股份是一家深耕病理15年的醫(yī)療器械公司。能夠為病理科提供智能診斷整體解決方案。
最高通量400片，其研制的數(shù)字病理智能診斷系統(tǒng)可以完成圖像高清數(shù)字化轉(zhuǎn)換。實現(xiàn)了24小時無人值守自動掃描。病理切片高速掃描，無縫拼接，更改保守工作方式，讓病理標本數(shù)字化，圖像化，可存儲化，為實現(xiàn)數(shù)字化、信息化打下良好基礎。
已積聚了全國近2000位公立醫(yī)院在職病理科醫(yī)生，福怡股份的數(shù)字病理遠程診斷系統(tǒng)平臺以AI技術為輔助。為“遠程病理規(guī)范實驗室”進行診斷的各省頂尖病理專家，每個省選取5~10位副高級以上專家，保證診斷結(jié)果在區(qū)域范圍內(nèi)具有一定權(quán)威性，杜絕漏診，確保診斷結(jié)果真實可靠。
2智影醫(yī)療
智影醫(yī)療研發(fā)的一款 AI顯微鏡—基于痰菌顯微成像的肺結(jié)核自動診斷系統(tǒng)，近日。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(nèi)快速掃描整個玻片及進行結(jié)核桿 菌計數(shù)，診斷出肺結(jié)核。
規(guī)則不能適配所有個體，保守的痰涂片檢測醫(yī)學圖像處置方式是算法依據(jù)建立的規(guī)則對圖像進行處置。所以檢測的準確率不高，而人工智能的圖像處置，經(jīng)過了大數(shù)據(jù)的訓練，深度學習開發(fā)，可以大幅度提高檢測的準確率。
提供痰液染色涂片自動 掃描圖像并進行智能檢測分析，智影醫(yī)療開發(fā)的AI顯微鏡融入了人工智能的圖像處置和視覺處置技術。醫(yī)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(jié)果實時顯示到客戶端中，及時提醒又不打擾醫(yī)生工作流程，能提高醫(yī)生的診斷效率和準確度。
場景：病理與新藥研發(fā)
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(yè)正嘗試。當我獲取了基本的病理數(shù)據(jù)后。
對病理切片進行定量分析是一個幾乎不可能完成的任務，沒有人工智能前。只能憑借醫(yī)者的感覺大致估量病變的范圍。但人工智能的呈現(xiàn)使組織細胞的精準計數(shù)成為可能。
研究人員能夠迅速精確地獲取一段時間內(nèi)切片的病變細胞數(shù)量、水平的數(shù)目及變化情況，這種情況下。就能輕易的觀察出臨床實驗中的新藥對病灶產(chǎn)生了怎樣的影響。
或許可以利用AI觀察動物受藥后的組織細胞變化狀況，順著這一邏輯。從而更加精確地指導藥物研發(fā)。
即為CRO提供提供定量的數(shù)字病理圖像可視化與量化分析，成都的知識視覺正在做這樣的事。以輔助藥物臨床科研。與羅氏診斷的合作中，知識視覺的效果受到羅氏的肯定。
其開創(chuàng)人向飛在采訪中說道：致力于打造一個無代碼化病理AI應用研發(fā)云平臺，但這一想法的起源并非面向AI新藥研發(fā)。解決病理AI應用研發(fā)難度大、硬件投入大、溝通和數(shù)據(jù)標注本錢高等問題，讓病理醫(yī)生可以根據(jù)實際需求無需編碼就能實現(xiàn)病理AI應用的研究工作。
國外的RevealBiosciencPathA I也在做類似的事。
RevealBioscienc獲得了英特爾領投的A輪融資，近日。其開創(chuàng)人開創(chuàng)人兼首席執(zhí)行官ClairWeston博士表示：迄今為止，RevealBiosciencImageDx技術已為三百多家醫(yī)療機構(gòu)提供信息服務。特定的數(shù)據(jù)集成方式，能夠大規(guī)模且快速生成病理學AI算法。通過這次融資，很高興能夠擴大我研究人員、病理學家和技術人員的生態(tài)系統(tǒng)，共同引領AI醫(yī)療找到新范式。
場景：NLP與基因云
研究或許可以將相關數(shù)據(jù)與基因庫進行關聯(lián)，除了針對病理信息自身進行分析之外。進行實驗時同時監(jiān)測受試者的表型和基因型數(shù)據(jù)。
PD-1/PD-L1和CA R-T治療中對新的腫瘤免疫標志物的空間定位和定量亦給病理診斷提出了更高的要求，而隨著免疫治療的發(fā)展。這同樣需要新的技術進行革新。
醫(yī)生難以實現(xiàn)大規(guī)模的病理診斷。其中的主要原因在于文本演講和數(shù)字圖像等病例信息難以通過人工實現(xiàn)大數(shù)據(jù)的回顧性科研搜索、分析和管理，基于醫(yī)院病理科傳統(tǒng)的信息平臺。自然也阻礙了病理診斷的規(guī)范化和標準演進。
精準醫(yī)療大數(shù)據(jù)公司志諾維思繪制了病理知識圖譜，此背景下。并開發(fā)了中文病理演講自然語言處置、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(shù)據(jù)分析功能，同時也能為參加項目的其他成員提供規(guī)范化分析自身數(shù)據(jù)的工具。
志諾維思能以更高的精度與更快的效率挖掘生物標志物，通過連接病理HEIHC等染色影像信息與基因組學中的基因組、表達組信息。助力藥物研發(fā)。
場景：第三方醫(yī)學檢查中心
同時也是社會資本進入醫(yī)療行業(yè)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(yī)學檢測中心的醫(yī)療實力。進入這一領域的企業(yè)越來越多。第三方醫(yī)學診斷機構(gòu)是國家實現(xiàn)分級診療、促進公立醫(yī)院改革的重要手段。
這一模式使得遠程病理診斷更加方便，云病理的呈現(xiàn)則加速了第三方影像中心的發(fā)展。使數(shù)字病理從“概念上”遠程醫(yī)療逐漸過渡到實際應用中，形成了云病理平臺。
國內(nèi)已有多家大型企業(yè)借助云平臺將AI病理診斷技術輸出于國內(nèi)外的醫(yī)學檢測中心。如今。
1蘭丁醫(yī)療
宮頸癌細胞學篩查醫(yī)技人員每天閱片量應小于100例；人不是機器，保守的宮頸癌細胞學篩查是由醫(yī)技人員在顯微鏡下根據(jù)經(jīng)驗進行診斷。按國際標準。始終無法防止因疲勞或經(jīng)驗的不同所造成人為診斷誤差。
使得宮頸癌極有可能成為首個通過預防篩查而實現(xiàn)根除的惡性腫瘤。而蘭丁醫(yī)學開發(fā)的AI宮頸癌診斷機器人“Land可以協(xié)助醫(yī)生精準發(fā)現(xiàn)早期宮頸癌前病變。
蘭丁醫(yī)學已經(jīng)在全國各地建立了400余家“蘭定規(guī)范細胞實驗室”這些實驗室在省會鄉(xiāng)村三甲醫(yī)院、中小鄉(xiāng)村二甲醫(yī)院，依托于這一AI技術。甚至國內(nèi)農(nóng)村基層計生站均有覆及。
用大數(shù)據(jù)提高診斷質(zhì)量，這一全新篩查模式特點是結(jié)束了宮頸癌篩查依靠專家經(jīng)驗診斷的歷史?？楷F(xiàn)代化技術降低本錢，從而提高大規(guī)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(fā)病率及死亡率將發(fā)揮重要作用。此外，為解決世界發(fā)展中國家共存的基層缺乏腫瘤篩查專業(yè)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(jīng)超越了200萬例。
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，蘭丁醫(yī)療正一步一步走向世界。如今。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(zhì)量低本錢宮頸癌篩查服務。
2衡道病理
依托“數(shù)字遠程會診網(wǎng)絡+實體中心&物流支持”為廣大基層醫(yī)院提供病理會診及診斷支持，衡道病理以“全職醫(yī)技團隊+一線會診專家+共建聯(lián)合平臺”多層級模式。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演講軟件，讓分子病理走進基層。
衡道病理積極開展與各類知名三甲醫(yī)院科研合作，依托AI專業(yè)團隊和技術儲備。推進病理人工智能（PathAI穩(wěn)健發(fā)展。運用衡道病理大數(shù)據(jù)優(yōu)勢（PathHub?構(gòu)建整個病理行業(yè)在人工智能時代的基礎設施，為病理醫(yī)生提供智能化輔助工具，提升診斷效率，實現(xiàn)病理大數(shù)據(jù)與技術成果的共享，助力行業(yè)升級。
3平安健康（檢測）中心
平安租賃大手筆一揮，2018年10月。300億資金支持下1000家第三方檢測中心陸陸續(xù)續(xù)露出頭來。平安健康（檢測）中心的優(yōu)勢在于平安的整體構(gòu)架。這一第三方檢測中心不只擁有平安好醫(yī)生為其導流，平安保守的安全業(yè)務也為患者提供的諸多可選的醫(yī)保與商保服務。
平安檢機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，如今政策已至。也許國內(nèi)第三方醫(yī)學檢驗將形成一個全新的局面。
總結(jié)
實際上，以上收錄的大多數(shù)為專注于“AI+病理”企業(yè)。許多醫(yī)學影像類人工智能企業(yè)早已經(jīng)開始涉足病理領域，或自建醫(yī)學實驗室。從趨勢上看，病理面前精準醫(yī)療與AI結(jié)合已成定勢。
AI制藥更是如此。新藥研發(fā)完全有可能逾越影像類產(chǎn)品，診斷如此。成為人工智能在醫(yī)療領域最先實現(xiàn)商業(yè)化的場景。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(shù)據(jù)的表象，連接基因數(shù)據(jù)，為攻克腫瘤等頑疾獻計獻策。
深度學習能讓科研人員更精確地量化細胞參數(shù)，科研也在不時前進。更直觀地觀測腫瘤細胞的變化。
對人工智能抱有期待的相關者，所以。無妨將局部注意力轉(zhuǎn)向病理，或許能發(fā)掘到令人意想不到潛力。
