痛过深度学习技术学习细胞和动物病变样本的形态学表现,如坏死、出血、淋巴细胞反应、纤维增生、肿瘤形成和数目、血管形成等。这些表现均极具特征性和规律性,因此利用人工智能技术进行药效评价的可操作性强。本研究小组前期构建了胆管癌动物模型,采用不同药物进行干预,然后利用人工智能技术学习该疾病特征,结果表明人工智能技术可清晰显示疾病的发生过程和临床疗效。
3、细胞识别与分选
细胞学实验是基础和临床转化研究的基石,但少有研究集中于细胞的形态学变化。伦敦癌症研究所的Chris Bakal教授和 Julia Sero博士使用珀金埃尔默公司的Opera?高内涵成像分析系统获取图像,采用类似于神经网络研究的方法分析了不同治疗条件下数以千计的个体乳腺癌细胞的形态和 理特征,并对线粒体群体的变化和趋势进行了检测。该研究将会在表型筛选和未知药物作用机制的研究中发挥作用。
一种新的细胞识别和分选系统鬼影细胞测定仪将一种新的成像技术与人工智能技术结合,用于识别和分选细胞。鬼影细胞测定仪以每秒1万多个细胞的速度识别细胞,以每秒数千个细胞的速度对细胞进行分类。
此外,时间波形与随机模式强度分布的组合使之能在计算机上重建细胞形态,可以直接在压缩波形上应用机器学习而不用进行图像重构,实现高效的基于图像的无形态学细胞检测。这种方法将用于识别和分选患者血液中的循环肿瘤细胞,加速药物 发现和改进基于细胞疗法的疗效。
4、特殊染色结果的量化分析和临床治疗与预后
评价药物或基因干预效果时,除可使用H-E染色外,还可借助特殊染色辅助判别,包括免疫荧光技术和免疫组织化学技术。其中免疫组织化学技术因具有经济、方便、快速和高通量等特点而应用广泛,但由于技术水平差异和评价体系的局限性,其结果标准性较差。
由于免疫组织化学染色图像也属于二维图像,特征性明显,人工智能技术非常适合对其结果进行判读和一致性评价。并对染色情况进行自动评分。
场景:病理诊断
诊断是人工智能在病理领域的一个直观的应用。在常人的刻板印象中,医生的职责是为了给予患者诊断建议,而人工智能则是为了替代医生。
这种印象显然存在逻辑问题,但作为一种数据处理手段,经过恰当训练的AI的确可以全方位地审视病理数据信息,以辅助医生做出判断。
事实上,国内从事影像数据的分析的AI企业占据了“AI+病理”的半壁江山,动脉网记者采访了部分国内外从事病理影像诊断的企业,并将其特点总结如下。
1、透彻影像
成立于2017年的透彻影像是一家专注于病理的人工智能企业,其产品瞄准于肺、胃、肠、淋巴结、前列腺和乳腺六个病理场景。
透彻影像CTO王书浩认为:“场景的选择是出于市场考虑,这仍是一片蓝海市场,我们希望能在开端惠及更多的患者,胃癌便是如此。”
中国每年大概有2000万名患者拥有活检的需求,其中大部分的需求次数为两次及其以上。如此大量的筛查,国内的病理科资源实在难以胜任。同时,在胃、肠方向,医生的重复劳动率非常高。很多时候患者可能仅仅是患有肠炎,但仍进行以肠癌为目标导向的治疗,这种情况导致了很多无谓的活检,而人工智能技术可以快速的甄别这一问题。
基于解放军总医院2017年胃部病理切片测试报告,透彻影像AI对于胃部恶性肿瘤识别的敏感性现已达到100%,特异性也达到了90%。在现有状态下,该筛查准确率已经达到了一个相当高的标准。
而后,该公司将着手对筛查出的癌症进行准确划分,确认胃癌的每一个分型,以给出更加精准的诊断建议。
2、深思考
深思考人工智能(iDeepwise.ai)自成立以来,为全国各地30多家知名三甲医院及检验机构提供宫颈癌筛查服务。至今为止,深思考已经完成了近10万例宫颈玻片的回顾性分析研究。
在研究过程中,其TCT辅助筛查产品癌前病变的敏感性从人工阅片的65%提升至接近100%,阴性预测值提升至80%左右,可有效降低阅片医生8成阅片工作量。
其CEO杨志明谈到:“我们在宫颈细胞公开数据集Helerv,采用MS-CNN深度学习细胞分类算法,相同评测条件下,各项指标超越美国国立卫生研究院NIH分类结果(敏感性超过NIH的结果1-1.5%),达到该数据集上全世界最优的结果。”
在未来商业化方面,深思考可根据已有的TCT辅助筛查收费目录进行收费。根据国家发布最新医疗价格项目规定,宫颈细胞学计算机辅助诊断价格为100元/次-160元/次,按照目前全国每年进行宫颈癌筛查的妇女约为1.1亿人次计算,预计未来平均每年将可产生100亿-200亿人民币的经济效益。
3、迪英加
相对于其他的病理企业,迪英加的“AI+病理”产品可谓面面俱到,以覆盖尽可能多的癌症患者。
迪英加创始人杨林告诉动脉网记者:“中国每年新增的癌症患者近500万人,而每年做细胞筛查的量级近一个亿,这是一个非常大的数量。而我们的产品覆盖了所有的病理科室会用到的各个大类,以及所有类型中至少50%以上的各种病变,其广度可达世界首位。”
在产品设计上,迪英加以D-Path AI人工智能病理辅助诊断系统为核心,在细胞病理方向开发了20余个智能分析模块,可协助诊断胃癌、肺癌、膀胱癌、乳腺癌、肾癌、前列腺癌等癌症分型。
在分子病理方面,迪英加能运用人工智能对探头液样品、血细胞以及像宫颈切片等进行判读。
如今,迪英加已经运用AI读取了近百万例宫颈切片,其他类别的病理也趁迅速上升趋势。并在前不久举办的人工智能卓医挑战赛获得细胞病理(宫颈涂片),组织病理(甲状腺冰冻)和免疫组化定量分析的三项技术冠军。