中山大學(xué)附屬腫瘤醫(yī)院云徑平：AI在病理領(lǐng)域大有可為，落地臨床需要打牢基礎(chǔ)

每經(jīng)記者 金喆    每經(jīng)編輯 楊夏    

病理診斷是疾病診斷的關(guān)鍵環(huán)節(jié)，以組織細(xì)胞圖像為基礎(chǔ)確定病因、病理變化及疾病進(jìn)程，其重要性不言而喻。

一周前，病理圈的醫(yī)生們都在討論華為和瑞金醫(yī)院合作的病理大模型會(huì)是什么樣，中山大學(xué)附屬腫瘤醫(yī)院病理科主任云徑平也不例外，他很期待這場(chǎng)AI病理大模型發(fā)布會(huì)。在醫(yī)生中他屬于積極擁抱新技術(shù)的一類，如果能有更好的技術(shù)來(lái)讓病理檢測(cè)更高效和準(zhǔn)確，他愿意做臨床第一批“吃螃蟹”的人。

2月18日，云徑平接受《每日經(jīng)濟(jì)新聞》記者采訪時(shí)表示，AI在病理領(lǐng)域大有可為——在準(zhǔn)確性上，AI能夠以超越人類肉眼的精度識(shí)別圖像細(xì)節(jié)，降低誤診率；在效率提升方面，AI可在短時(shí)間內(nèi)完成數(shù)據(jù)監(jiān)測(cè)與分析，大大縮短診斷周期。從可及性來(lái)看，AI還可以使得偏遠(yuǎn)地區(qū)患者能夠獲得高級(jí)別病理診斷服務(wù)，促進(jìn)醫(yī)療資源公平分配。目前來(lái)看，AI病理研發(fā)項(xiàng)目如雨后春筍一樣蓬勃發(fā)展，相信在不久的將來(lái)會(huì)在臨床上落地應(yīng)用。

技術(shù)進(jìn)步打破了AI病理多年無(wú)進(jìn)展的僵局

10年前，云徑平教授就在琢磨病理信息化和數(shù)智化的事情。他去美國(guó)參加美加病理學(xué)術(shù)會(huì)議看到同行展示數(shù)字化的病理組織圖像，回來(lái)后他們科室也申請(qǐng)購(gòu)置了相關(guān)設(shè)備。云徑平當(dāng)時(shí)的想法很簡(jiǎn)單，那時(shí)候大家都是把病理組織玻片做成幻燈片投影，用于教學(xué)和疾病討論，如果把它們掃描成圖片，以后只需要帶個(gè)U盤，還能反復(fù)使用。再進(jìn)一步，如果能夠開(kāi)發(fā)出圖像診斷系統(tǒng)，可能用起來(lái)更方便。

病理科的工作日常主要包含取樣、制片、診斷報(bào)告等10多個(gè)重要環(huán)節(jié)，流程長(zhǎng)、步驟多、工作繁瑣，如果應(yīng)用信息化及智能化手段，將會(huì)顯著提質(zhì)增效。真正到雙方融合的時(shí)候，大家發(fā)現(xiàn)這不是一件容易的事。云徑平坦言，那時(shí)候計(jì)算機(jī)背景的研發(fā)人員和醫(yī)生對(duì)這件事情的理解有偏差，在推進(jìn)過(guò)程中遇到了不少困難，難度非常大。

人工智能技術(shù)興起后，病理診斷被認(rèn)為是最適合落地的場(chǎng)景之一。常見(jiàn)的AI應(yīng)用場(chǎng)景大概分為三大類。第一是輔助病理診斷：針對(duì)病理醫(yī)生診斷的任務(wù)，建立AI分類模型輔助醫(yī)生完成任務(wù)，提高效率和準(zhǔn)確率。第二是量化評(píng)估：對(duì)于某些需要病理醫(yī)生完成的繁瑣任務(wù)，例如細(xì)胞計(jì)數(shù)和陽(yáng)性標(biāo)志判讀等，建立AI模型代替人工操作。第三是預(yù)后預(yù)測(cè)：結(jié)合臨床場(chǎng)景，通過(guò)病理圖像構(gòu)建AI模型，直接預(yù)測(cè)患者的預(yù)后、藥物治療反應(yīng)、基因突變或分子標(biāo)簽等。

云徑平也提到，傳統(tǒng)的病理診斷過(guò)程中，諸如核分裂象及細(xì)胞標(biāo)記計(jì)數(shù)等工作，需要醫(yī)生在顯微鏡下耗費(fèi)大量時(shí)間進(jìn)行人工計(jì)數(shù)與分析，不僅工作強(qiáng)度大，而且容易因疲勞等因素導(dǎo)致誤差。AI技術(shù)通過(guò)自動(dòng)化的算法，能夠在短時(shí)間內(nèi)完成對(duì)大量細(xì)胞和組織的分析，將原本需要數(shù)小時(shí)甚至數(shù)天的工作縮短至幾分鐘。

但與外界想象的不同，AI病理的進(jìn)展非常慢，甚至可以說(shuō)是沒(méi)有進(jìn)展，大家基本都在“無(wú)人區(qū)”摸索。這里面有多方面原因，其中最核心的因素是樣本數(shù)據(jù)。

與影像科的CT、磁共振或者超聲檢查相比，病理診斷的材料獲得樣本的過(guò)程不容易，都需要通過(guò)穿刺、手術(shù)等創(chuàng)傷性的途徑。同時(shí)，病理學(xué)最主要的分析對(duì)象并不是語(yǔ)言文本，而是圖像。病理圖像分辨率高，每個(gè)像素不到一個(gè)微米，一張病理切片圖像相當(dāng)于一部電影的存儲(chǔ)量，而訓(xùn)練AI需要投喂海量數(shù)據(jù)，掃描的時(shí)間成本和資金成本都極其高，自然會(huì)影響進(jìn)度。

2022年底ChatGPT（GPT 3.5）橫空出世，真正的人工智能仿佛在一夜之間終于涌現(xiàn)了，各行各業(yè)的大模型遍地開(kāi)花，病理領(lǐng)域也不例外。從谷歌到微軟，以及一眾人工智能企業(yè)，兩年間推出了多個(gè)自己的病理大模型。

在技術(shù)加持下，云徑平帶領(lǐng)病理科的醫(yī)生與醫(yī)院信息科工程師一起研發(fā)，就像培訓(xùn)一名病理醫(yī)生一樣訓(xùn)練模型，掃描圖像、如何識(shí)別圖像標(biāo)注異常等等。今年春節(jié)以后，云徑平基本上每天都會(huì)使用DeepSeek，接下來(lái)的目標(biāo)是把研發(fā)出的AI輔助診斷系統(tǒng)能夠逐步應(yīng)用到臨床。

AI病理落地臨床，遵循行業(yè)規(guī)范得到高質(zhì)量病理圖像很重要

2月18日，華為聯(lián)合瑞金醫(yī)院發(fā)布病理大模型RuiPath，基于瑞金醫(yī)院的豐富病種及高質(zhì)量醫(yī)療數(shù)據(jù)，癌種覆蓋廣度達(dá)到中國(guó)每年全癌種發(fā)病人數(shù)90%的常見(jiàn)癌種，同時(shí)涵蓋垂體神經(jīng)內(nèi)分泌腫瘤等罕見(jiàn)病。在深度上，醫(yī)生可以和RuiPath開(kāi)展互動(dòng)式病理診斷對(duì)話。

針對(duì)傳統(tǒng)及數(shù)字化智慧病理發(fā)展中的痛點(diǎn)，如三甲醫(yī)院病理醫(yī)生診斷工作量巨大、數(shù)智化基礎(chǔ)薄弱、傳統(tǒng)AI模式中覆蓋病種少、已公開(kāi)病理大模型算力需求大、多模態(tài)訓(xùn)練難度大等，RuiPath大模型實(shí)現(xiàn)四大創(chuàng)新，包括場(chǎng)景與應(yīng)用創(chuàng)新、模型與算法創(chuàng)新、存算協(xié)同創(chuàng)新和AI工具鏈創(chuàng)新。

作為一名臨床經(jīng)驗(yàn)近40年的病理專家，云徑平非常欣喜地看到像RuiPath這樣的大模型產(chǎn)生，傳統(tǒng)的病理診斷需要3~5天才能有病理診斷報(bào)告，如果大模型應(yīng)用于病理診斷，能夠顯著提升診斷效率與質(zhì)量，這也是AI病理發(fā)展過(guò)程中的美麗愿景。但眼下，AI病理落地應(yīng)用還有較長(zhǎng)距離，也面臨多重挑戰(zhàn)。

在他看來(lái)，做出高質(zhì)量AI病理大模型，執(zhí)行行業(yè)規(guī)范制成高質(zhì)量病理切片和存儲(chǔ)高質(zhì)量病理圖像是基礎(chǔ)工程。

“病理切片及其掃描的質(zhì)量決定了圖像數(shù)據(jù)的好壞，不同級(jí)別醫(yī)院、不同水平病理人員制作的切片質(zhì)量差別非常大。制成病理切片全流程的檢測(cè)儀器、試劑、操作等要素均會(huì)影響病理圖像質(zhì)量和病理診斷結(jié)果，因此每個(gè)關(guān)鍵環(huán)節(jié)都遵循行業(yè)規(guī)范和標(biāo)準(zhǔn)，如果沒(méi)遵循好，也會(huì)影響病理圖像及病理大模型的質(zhì)量。”云徑平說(shuō)，病理醫(yī)生是醫(yī)療診斷中的“幕后”角色，病理診斷是腫瘤診斷的“金標(biāo)準(zhǔn)”，病理報(bào)告結(jié)果需要判斷腫瘤是良性還是惡性、是什么程度的惡性，適合什么類型的治療。目前的腫瘤治療都是有創(chuàng)治療，所以每一步都需要格外慎重。

此外，醫(yī)療數(shù)據(jù)的安全與隱私保護(hù)也是亟待解決的關(guān)鍵問(wèn)題。病理數(shù)據(jù)包含患者大量敏感信息，在數(shù)據(jù)收集、存儲(chǔ)、傳輸和使用過(guò)程中，如何確保數(shù)據(jù)安全、合法合規(guī)地應(yīng)用于AI模型訓(xùn)練，同時(shí)保護(hù)患者隱私，是當(dāng)前面臨的嚴(yán)峻挑戰(zhàn)。例如，在數(shù)據(jù)共享與交易過(guò)程中，雖有脫敏處理等措施，但仍存在潛在風(fēng)險(xiǎn)，如數(shù)據(jù)質(zhì)量參差不齊、信息泄露隱患等。

但云徑平也表示，AI與病理診斷的融合將是必然趨勢(shì)。隨著技術(shù)成熟，有望實(shí)現(xiàn)人機(jī)交互AI病理診斷的新模式，構(gòu)建人機(jī)診斷協(xié)同的高效生態(tài)。在這個(gè)過(guò)程中，醫(yī)院、企業(yè)和科研機(jī)構(gòu)應(yīng)加強(qiáng)合作，共同推動(dòng)技術(shù)進(jìn)步。對(duì)于擁有大量病理數(shù)據(jù)的醫(yī)院，應(yīng)在保障數(shù)據(jù)安全和患者隱私的前提下，探索合理的數(shù)據(jù)共享與合作機(jī)制，促進(jìn)AI病理診斷技術(shù)的均衡發(fā)展，提升我國(guó)整體病理診斷水平，為患者提供更優(yōu)質(zhì)、高效的醫(yī)療服務(wù)。

封面圖片來(lái)源：視覺(jué)中國(guó)-VCG111383920316