2018年全球新增癌癥診斷病例約1910萬，死亡病例約960萬；約1／5男性和1／6女性在一生中會罹患癌癥，1／8男性和1／11女性因癌癥而死亡——這組驚人的數(shù)據(jù)，來自于WTO下屬“國際癌癥研究機構”公布的最新全球癌癥數(shù)據(jù)報告，調查范圍覆蓋全球185萬個國家和地區(qū)，涉及36種癌癥的發(fā)病率和死亡率。

“談癌色變”已經(jīng)成為了一種常態(tài)。而在臨床中，癌癥的診斷、治療也依舊是醫(yī)學難題。

癌癥診斷急缺病理醫(yī)生，但AI可以“復制”大腦

在一些醫(yī)療影視劇中，借助CT、X光等手段，醫(yī)生總是能夠發(fā)現(xiàn)腫瘤的存在，然后會進行手術切除。不過，癌癥診斷就這么簡單嗎？當然不是。這其中的關鍵在于“病理診斷”。

“病理不一樣，癌的形態(tài)在這里可能成千上萬種，識別方面要復雜得多。”透徹影像聯(lián)合創(chuàng)始人兼技術總監(jiān)王書浩稱。

圖 ｜ 透徹影像聯(lián)合創(chuàng)始人兼技術總監(jiān)王書浩

作為一種篩查手段，CT、X光是合格的，但論起診斷，“相比于病理切片，CT片、X光片是灰階圖像，信息量比較小。”

一般情況下，癌的確診需要經(jīng)過病理診斷，所需要識別的內容比CT、X光要復雜許多。而在醫(yī)學界，病理被稱為“金標準”，病理醫(yī)生則被稱為“醫(yī)生的醫(yī)生”，是腫瘤類疾病的最終裁決者。

在中國，每年約有近億張病理切片的診斷需求，與此相對的，是病理醫(yī)生的“急缺”，培訓周期長、勞動報酬低等成為阻礙病理科新生力量增長的主要原因。

“按照行業(yè)需求，國內臨床需要10萬名病理醫(yī)生，然而注冊在案的僅有1．2萬名，缺口太大�！蓖鯐�浩表示。并且這1．2萬名病理醫(yī)生的水平也存在一定的差距，對于當前的癌癥診斷無疑是雪上加霜。

這個缺口如何進行填補？王書浩提出一個比較通俗的比喻，“AI類似于將一個人的大腦‘復制’，并且復制多份。”

“這樣做可以帶來三個好處：第一，AI識別的水平高于病理醫(yī)生平均水平，相當于我們可以將高水平的診斷‘復制’到許多醫(yī)院；第二，AI能夠查閱每個角落，不會產生疲勞，不易漏診；第三，相比于人類醫(yī)生，AI更為客觀�！�

數(shù)據(jù)積累、模型識別、分布式計算“并駕齊驅”，推動病理科智能化

一般情況下，所有算法模型的第一步都是從數(shù)據(jù)采集開始，繼而搭建并訓練模型，最后在應用場景落地。這其中，數(shù)據(jù)采集對于多數(shù)初創(chuàng)公司而言就是一件較為困難的事情，中間涉及到數(shù)據(jù)多樣性、標注準確率、倫理等多方多面，尤其是以醫(yī)療為代表的一干行業(yè)。

針對這一問題，除了與醫(yī)院合作之外，既有開源數(shù)據(jù)是不少公司的選擇。不過，“基于既有的開源數(shù)據(jù)集進行建模，然后產品就可以面世，我覺得這是很荒唐的。”王書浩表示，“產品需要與客戶進行溝通、開展需求調研。另外，既有開源數(shù)據(jù)集存在數(shù)據(jù)量小、質量低、標注不準確、與應用場景差異大等問題，基于這類數(shù)據(jù)集進行建模，無法產出合格的產品�！�

在數(shù)據(jù)采集方面，透徹影像的做法是跟醫(yī)院緊密合作。王書浩認識到數(shù)據(jù)是AI的入口，早在草創(chuàng)之初，透徹影像就打磨了一款為醫(yī)生設計的標注系統(tǒng)“ThoroughWisdom”。

醫(yī)生只需在PC端或是iPad端大致圈出病變區(qū)域，透徹影像的算法就會自動完美勾勒出病變范圍。另外，“運用這套系統(tǒng)為我們積累的數(shù)據(jù)也已經(jīng)得到了數(shù)家頂級三甲醫(yī)院倫理委員會的許可�！蓖鯐�浩稱。

與該系統(tǒng)并駕齊驅的是透徹影像基于這些數(shù)據(jù)所開發(fā)的診斷系統(tǒng)“ThoroughInsights”。系統(tǒng)將基于算法模型自動圈出病變區(qū)域，并給出病變概率分布與癌占比等信息，病理醫(yī)生可以此為依據(jù)進一步作針對性的檢查，從而提升效率。

圖 ｜ 301醫(yī)院病理科副主任宋志剛正在使用“ThoroughInsights”

“兩套產品是聯(lián)動的，如果醫(yī)生發(fā)現(xiàn)Insights模型對某些罕見案例的診斷效果不佳，會請主任進一步確認，找出識別或預測有誤的根源，進而在Wisdom系統(tǒng)中增加類似案例的數(shù)據(jù)，繼續(xù)進行標注，幫助系統(tǒng)不斷迭代。”王書浩表示。目前，透徹影像的項目重點集中在消化道癌癥、肺癌、前列腺癌、淋巴結清掃等方面。

這里有一個有趣的現(xiàn)象，在數(shù)字化變革愈加受到醫(yī)院推崇的現(xiàn)在，作為醫(yī)療重要一環(huán)的病理科卻是數(shù)字化進度最緩慢的科室之一，背后的原因在于病理圖像的“大”，且一直以來沒有足夠的推動力。

相比于2000 x 2000像素的X光片、512 x 512 x 截面數(shù)像素的CT片，病理圖像的大小通常為100kx 200k像素，以GB為存儲單位。對于普通計算機而言，病理圖像的存儲和運算都是有難度的。

因此發(fā)展至今，醫(yī)生觀察病理切片依舊依賴于顯微鏡，而電腦的唯一用處只是撰寫病理觀察報告。這種模式下，在大型三甲醫(yī)院，平均每位病理醫(yī)生每天需要觀察200至300張病理切片，并撰寫上百份的報告。

與此同時，病理科也在經(jīng)歷從傳統(tǒng)病理到數(shù)字病理的轉型。數(shù)字病理將玻片電子化，所獲得的數(shù)字切片既可以在計算機上存儲和瀏覽，又可以通過網(wǎng)絡進行傳輸。“一直以來，教學講課和遠程診斷的數(shù)字切片需求量不足以成為病理科數(shù)字化的推動力，而AI則對數(shù)字病理的普及有著極大的推動作用。如果病理切片掃描之后，能夠被計算機分析，得出輔助診斷結果，病理醫(yī)生們會非常愿意將之數(shù)字化�！蓖鯐�浩稱。

不過這種操作的背后也需要給力的系統(tǒng)，透徹影像的做法是打造分布式病理影像存儲和分析系統(tǒng)“ThoroughCore”，將病理圖像進行“切分”、“分析”和“整合”。簡單來說，系統(tǒng)中的每個GPU都將成為一個工作節(jié)點，被切分的病理圖像塊將被分配至各個GPU計算，基于并行計算各自得出的結果將在最后被“整合”，從而生成最終結果，供病理醫(yī)生查看�；�于“ThoroughCore”的核心算法，“ThoroughInsights”系統(tǒng)預測一張病理圖像僅需要不到20秒的時間。

最后

透徹影像的產品在這一年多來不斷穩(wěn)定迭代優(yōu)化。今年1月初，他們針對胃癌的測試版系統(tǒng)已經(jīng)落地301醫(yī)院，公測版也已于本月發(fā)布，“我們會在4月份發(fā)布正式版產品�！蓖鯐�浩說道。

此外，病理診斷分為細胞病理診斷和組織病理診斷，而透徹影像也分別圍繞單個業(yè)務成立了公司。其中，北京公司專注于組織病理診斷，而專注于細胞病理診斷的公司則落戶南京，并成為南京圖靈人工智能研究院9大“人工智能＋”簽約孵化項目之一，該研究院由圖靈獎唯一一位華裔獲獎者姚期智院士創(chuàng)立。