透徹影像王書浩：用AI“復制”大腦，彌補病理醫生的9萬缺口

按照行業需求，國內臨床需要配備10萬名病理醫生，但注冊在案僅1.2萬人。

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——這組驚人的數據，來自于WTO下屬“國際癌癥研究機構”公布的最新全球癌癥數據報告，調查范圍覆蓋全球185萬個國家和地區，涉及36種癌癥的發病率和死亡率。

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

癌癥診斷急缺病理醫生，但AI可以“復制”大腦

在一些醫療影視劇中，借助CT、X光等手段，醫生總是能夠發現腫瘤的存在，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，癌的形態在這里可能成千上萬種，識別方面要復雜得多。”透徹影像聯合創始人兼技術總監王書浩稱。

圖 | 透徹影像聯合創始人兼技術總監王書浩

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。而在醫學界，病理被稱為“金標準”，病理醫生則被稱為“醫生的醫生”，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。

“按照行業需求，國內臨床需要10萬名病理醫生，然而注冊在案的僅有1.2萬名，缺口太大。”王書浩表示。并且這1.2萬名病理醫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，相比于人類醫生，AI更為客觀。”

數據積累、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據采集開始，繼而搭建并訓練模型，最后在應用場景落地。這其中，數據采集對于多數初創公司而言就是一件較為困難的事情，中間涉及到數據多樣性、標注準確率、倫理等多方多面，尤其是以醫療為代表的一干行業。

針對這一問題，除了與醫院合作之外，既有開源數據是不少公司的選擇。不過，“基于既有的開源數據集進行建模，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，既有開源數據集存在數據量小、質量低、標注不準確、與應用場景差異大等問題，基于這類數據集進行建模，無法產出合格的產品。”

在數據采集方面，透徹影像的做法是跟醫院緊密合作。王書浩認識到數據是AI的入口，早在草創之初，透徹影像就打磨了一款為醫生設計的標注系統“ThoroughWisdom”。

醫生只需在PC端或是iPad端大致圈出病變區域，透徹影像的算法就會自動完美勾勒出病變范圍。另外，“運用這套系統為我們積累的數據也已經得到了數家頂級三甲醫院倫理委員會的許可。”王書浩稱。

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

圖 | 301醫院病理科副主任宋志剛正在使用“ThoroughInsights”

“兩套產品是聯動的，如果醫生發現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系統中增加類似案例的數據，繼續進行標注，幫助系統不斷迭代。”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象，在數字化變革愈加受到醫院推崇的現在，作為醫療重要一環的病理科卻是數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。

因此發展至今，醫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，在大型三甲醫院，平均每位病理醫生每天需要觀察200至300張病理切片，并撰寫上百份的報告。

與此同時，病理科也在經歷從傳統病理到數字病理的轉型。數字病理將玻片電子化，所獲得的數字切片既可以在計算機上存儲和瀏覽，又可以通過網絡進行傳輸。“一直以來，教學講課和遠程診斷的數字切片需求量不足以成為病理科數字化的推動力，而AI則對數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，病理醫生們會非常愿意將之數字化。”王書浩稱。

不過這種操作的背后也需要給力的系統，透徹影像的做法是打造分布式病理影像存儲和分析系統“ThoroughCore”，將病理圖像進行“切分”、“分析”和“整合”。簡單來說，系統中的每個GPU都將成為一個工作節點，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，供病理醫生查看。基于“ThoroughCore”的核心算法，“ThoroughInsights”系統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定迭代優化。今年1月初，他們針對胃癌的測試版系統已經落地301醫院，公測版也已于本月發布，“我們會在4月份發布正式版產品。”王書浩說道。

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立。

【鎂客·請講】專注于報道科技創新項目；我們敞開心扉面對每一位創業者，力求為您呈現一群鮮活、有性格的品牌和人物；我們傾聽創業故事和人生經歷、探討商業模式和行業趨勢、對接資本市場和供需雙方，以期為產業發展注入新的活力。

歡迎做客【鎂客·請講】，欄目合作請發送郵件至：post@im2maker.com

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！