“数字病理与AI ”会擦出怎样的火花呢?

病理是诊断、预后和指导治疗的金标准，病理医生也被称为是“Doctor's doctor”。

在一个典型的诊断流程中，CT、MRI可以筛查病灶的位置，进行基本定性。如果要确诊，实际上要取出一些组织采样，然后制成切片，通过显微镜下观察组织和细胞结构的变化来对癌症进行定性、分级、分类和分型，以此为后续的手术和化疗、放疗等治疗方案提供指导。

病理是诊疗中非常重要的环节。现在中国病理医生极其缺乏，仅满足需求的15%。而且，病理诊断实际上是一个非常复杂的过程，主观性很强，一致率比较低。

因此利用人工智能技术，我们可以帮助医生提高诊断的可重复性、准确率、效率，从一定程度上缓解病理医生不足的状况。

而且人工智能（AI）已进入医疗的众多细分领域，应用场景包括疾病诊疗、医疗辅助、药物开发等。通过图像识别技术，AI助力病理转向数字化诊断，能有效提升病理诊断效率，AI对病理行业的赋能有望突破行业瓶颈。

相比于检验科、影像科的诊断，病理科诊断具有自动化程度低、诊断时间长的特点。病理诊断可分为取样、制片、染色、诊断四个环节，取样环节是否取到病变细胞、制片及染色后成片是否清晰都会直接影响最终的诊断结果，因此对制片的技术人员专业水平具有较高的要求，目前自动化水平较低；由于病理诊断是通过对细胞层面的医学影像进行观察诊断，为防止漏诊，一个组织样本往往制成多个切片，制片、染色、诊断、报告等各个环节耗时较长，相比与检验、影像科室，病理科诊断所需时间较长，需要更多的专业人力投入。

病理医生缺口巨大，制约行业发展。由于我国病理学科设置不全面，医生培养周期较长，收入过低，劳动负荷过重以及基层医院不重视等因素造成我国的病理人才流失严重，数目紧缺。旺盛的病理诊断需求与稀缺的病理医生资源的不平衡已经成为制约行业发展的决定性因素。而病理诊断基于图像信息的特点使得AI助力病理诊断成为可能，有望解决病理诊断供需不平衡的发展现状。

病理图像的特点是数据量比较少，获取成本比较高，需要昂贵的专门的扫描仪把切片扫描成图像，扫描一张高分辨率图像一般需要20-30分钟。病理数据需要专家和医生标注，一张高分辨率的图像有几万乘几万，也就是上亿的像素，计算机处理起来有很大挑战。

AI在数字病理中的应用与其在其他医疗影像领域的应用方式并无本质区别。这需要多位病理专家进行高质量标注，确保模型可以对各种病变细胞的形态进行充分的学习。基于这些图像块级别的标注，AI模型先对样本进行初步分类，高效区分阳性细胞密度较高的样本。

然后，AI模型再进一步对阳性细胞进行精准识别，确保在阳性细胞密度较低的样本上仍能获取准确的辅助判读结果。为确保结果无误，AI还需一并选取一系列可疑的局部视野，交由病理医生最终复阅。

AI病理诊断技术可大幅缩短医生的工作量，但由于目前技术所限，在病理样本采集、图像数据处理及结果判读上仍有大量技术难点亟待攻克。但是随着基层地区大力推广免费两癌筛查，带来巨大的基层病理诊断需求，AI病理技术迅速提升，临床应用有望提速。国内外团队通过AI已成功实现影像领域多个病种的诊断识别，部分准确率超90%。人工智能2016年被列为国家发展战略，人工智能+医疗成为重点维度之一，政策明确指出发展人工智能治疗新模式、智能影像识别等应用。 

步宏教授提出，数字病理的发展分为三个阶段。

数字病理发展第一阶段：基于全玻片数字扫描技术，将传统玻片上的全部图像信息进行数字化，形成数字化切片，可以通过计算机显示器进行阅片，完成对传统显微镜阅片形式的替代。结合计算机存储及网络传输技术，抵消切片信息传递中物理空间与时间的限制，可以开展基于互联网的病理远程会诊和冰冻切片远程诊断等。

数字病理发展第二阶段：基于高通量与快速 WSI 技术，病理科将所有常规切片全部制作成数字切片整合进入日常工作流，实现数字切片首诊，数字化报告和数字切片存档，从而实现病理过程全流程的数字化质控和管理的全数字化病理科。结合互联网技术，建立区域性网络病理诊断平台，形成打破地域限制的「大病理科」或「云病理科」。

 数字病理发展第三阶段：在全数字病理科的基础上，存档的数字化切片的形成了丰富的数据集，当这些数据集与人工智能（AI）等新兴的计算机算法和计算机强大的运算能力相结合后，将会产生大量用于数字切片的辅助诊断软件，计算机能够自动检测数字切片中的病变区域并定量评估各项指标，帮助病理医生做出快速、准确、重复性高的病理诊断。在这个阶段计算机辅助诊断软件将逐渐成为病理医生日常诊断中不可缺少的工具 。

人工智能在定量诊断上具有一定的优势。日常工作中，病理医生往往没有时间对每一张病理切片都进行仔细地分析计数。人工智能可以帮助病理医生分担很多此类重复、机械性的工作内容，让病理医生有时间去完成更具有挑战的工作。未来，人工智能将辅助病理医生，进一步提高病理诊断的效率与可靠度。