Nature Communications | 可用于臨床診斷的人工智能胃癌病理輔助診斷系統

中國解放軍總醫院、中國醫學科學院腫瘤醫院、北京協和醫院聯合透徹影像開展的人工智能胃癌病理輔助診斷多中心研究成果「Clini...

中國解放軍總醫院、中國醫學科學院腫瘤醫院、北京協和醫院聯合透徹影像開展的人工智能胃癌病理輔助診斷多中心研究成果「Clinically applicable histopathological diagnosis system for gastric cancer detection using deep learning」，在NatureCommunications發表，這是中國研究團隊在病理人工智能領域發表的頂級學術成果，也是全球首個可應用在復雜器官臨床病理診斷的人工智能系統。

胃癌是威脅人類健康的惡性腫瘤之一，作為疾病診斷的“金標準”，病理診斷在早期篩查和精準診斷發揮著重要的作用，準確的病理學診斷能夠顯著地降低胃癌的死亡率。在全球范圍內，由于病理醫師人數的嚴重缺乏，加之胃部活檢和手術標本的樣本量大，胃部病理的診斷工作為病理科帶來了巨大的壓力，這一矛盾在胃癌發病率較高的亞洲愈加凸顯。為了滿足臨床治療的需求，快速提供診斷結果，病理醫生承擔著超負荷的診斷工作量，誤診的發生在所難免。

隨著數字病理技術的不斷普及，人工智能系統開始被應用到病理輔助診斷中。由于病理影像具有文件體積大、信息豐富、切片制備與掃描多樣性強等特點，因此病理圖像的自動化分析難度遠高于自然圖像。雖然近些年來病理人工智能領域取得了一定的研究進展，但是均無法達到臨床應用的標準。

可用于臨床診斷的病理輔助診斷系統，需要滿足以下幾個條件：（1）深度學習模型要能夠經受住多款病理切片掃描儀所獲得數千張連續樣本的測試，敏感度應當接近100%，特異性超過80%。（2）通過人工智能系統的輔助，病理醫生在不延長診斷時效的基礎上，能夠提高診斷的準確率。通過對模型的深入分析，我們可以知曉人工智能的優勢與劣勢，從而讓病理醫生建立與人工智能的基礎信任。（3）人工智能輔助診斷系統需要經過來自多家醫院病理切片的多中心驗證，以確保系統在不同醫院運行時的穩定性。

圖1. 深度學習模型訓練與測試框架

圖2. 基于iPad和Apple Pencil的標注工具

12名資深病理醫師參與了本研究的標注，其中10名主治/副主任醫師進行一審和二審，所有樣本由石懷銀主任與宋志剛主任進行最終的審核。整套標注流程在基于iPad和Apple Pencil的標注工具Thorough WisdomTM| 透徹匯智進行，深度學習模型建立后，研究人員使用分布式病理輔助診斷系統Thorough InsightsTM| 透徹洞察進行了解放軍總醫院（3212張）、醫科院腫瘤醫院（987張）與北京協和醫院（595張）臨床連續樣本的大規模測試。

圖3. 深度學習模型在解放軍總醫院數據上的表現

基于圖像分割技術的深度神經網絡在解放軍總醫院的連續胃部樣本上達到了99.6%的敏感度和84.3%的特異性，僅有一張陽性切片預測概率低于嚴格的閾值，根據雙閾值策略，被劃入待審核樣本，交予病理醫師審核。在所有樣本上，人工智能系統均能夠以較高的敏感度提示出癌變區域，從而防止漏診的發生。通過對比模型在三款病理切片掃描儀上的表現，可以看到模型均表現出極高的敏感度和超過80%的特異性。這表明系統具有良好的兼容性，在采用不同品牌的掃描儀的醫院終端均可以使用。

人工智能系統不僅可以作為輔助病理醫師的工具，而且可以提供有效的第二意見。在病理診斷中，疑難樣本通常會使用免疫組化在進行更深入的診斷。深度學習模型在這些樣本上能夠達到超過80%的準確率，并正確提示出了高風險區域，指導病理醫師執行免疫組化等進一步診斷。

圖4. 多中心測試結果

經過多中心測試，深度學習模型在醫科院腫瘤醫院與北京協和醫院的樣本上，能夠達到接近100%的敏感度和超過93%的特異性，穩定性卓越。

為了驗證人工智能系統在臨床診斷中的表現，研究團隊邀請了12名初級病理醫生參與了人機協同測試。12名醫生被隨機分為顯微鏡組、數字切片組與人工智能輔助組，并施加了不同強度的壓力（不限制診斷時間 vs. 限制一個小時的診斷時間）。研究發現，加入時間約束后，顯微鏡組與數字切片組的醫生均呈現出漏診率的增加，而人工智能的輔助顯著提升了醫生診斷的穩定性，診斷敏感度得以保障。

圖5. 人機協同實驗

對于發展中國家，由于病理醫師數目有限，人工智能系統能夠在有限的診斷時間內，保障診斷質量。對于發達國家，系統能夠精確定位可疑區域，有效防止漏診的發生。目前，人工智能輔助診斷系統已在解放軍總醫院病理科大規模應用，未來將會成為病理診斷常規輔助工具，惠及越來越多的病理醫師。本研究所提出的方法論，適用于所有器官病理人工智能系統的建立，能夠幫助研究人員加速智慧病理的研發進程，進而造福更多的患者。

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！