深度神經(jīng)網(wǎng)絡(luò)經(jīng)過訓(xùn)練對病理照片進行分割的結(jié)果。圖片來源于網(wǎng)絡(luò) 　　□本報記者 徐秉楠 　　最近十幾年來,，隨著圖像數(shù)字化和數(shù)字存儲技術(shù)的快速發(fā)展,，病理學(xué)切片制作全數(shù)字化圖像成為可能，閱片者可以不通過顯微鏡而直接在計算機上閱讀數(shù)字病理切片,。在深度學(xué)習(xí)已經(jīng)開始應(yīng)用在醫(yī)學(xué)影像識別的情況下,，將深度學(xué)習(xí)和數(shù)字病理切片兩者結(jié)合在一起，很多研究人員開始了嘗試。根據(jù)有關(guān)媒體報道,，近日,，來自谷歌、谷歌大腦與Verily公司的科學(xué)家們開發(fā)出一款能用來診斷乳腺癌的人工智能,，它的表現(xiàn)甚至超過了專業(yè)的病理學(xué)家,。針對這一進展，病理學(xué)領(lǐng)域的專家和人工智能領(lǐng)域的實踐者又是如何看待的,？ 　　計算機技術(shù)應(yīng)用初現(xiàn)曙光 　　從2014年起,，微軟亞洲研究院的團隊開始鉆研腦腫瘤病理切片的識別和判斷，通過細胞的形態(tài),、大小,、結(jié)構(gòu)等，去輔助分析和判斷病人所處的癌癥階段,，并且取得了巨大成就,。 　　北京協(xié)和醫(yī)院原黨委副書記陳杰教授在病理診斷領(lǐng)域，已經(jīng)工作了40年,，是全國著名的病理診斷專家,。他介紹，病理科的工作主要包含活組織病理檢查與快速石蠟病理診斷,、術(shù)中快速冰凍切片診斷,、細胞學(xué)檢查等。每一項工作都包含一系列規(guī)范化的流程,，比如常規(guī)的病理診斷,，中間需要經(jīng)過組織固定、脫水,、透明,、浸蠟、包埋,，石蠟組織切片,、染色，病理醫(yī)師閱片,，分析病變特征,，確定診斷結(jié)果等。人工智能在上述乳腺癌診斷中應(yīng)該涉及的是最后的閱片環(huán)節(jié),，也就是診斷,。 　　“這是個趨勢，計算機科學(xué),、信息技術(shù)發(fā)展到今天,，讓病理診斷的數(shù)字切片成為了可能,，這是一個基礎(chǔ)。數(shù)字病理切片多了,，使用多點神經(jīng)網(wǎng)絡(luò)的信息技術(shù),，一個圖像采集多少個點，每個點能夠采集多少信息,，這樣去歸類,、分析、總結(jié)形態(tài)學(xué)的規(guī)律,，將來數(shù)據(jù)量大了，會有一定的作用,。”陳杰介紹,，目前把計算機科學(xué)用到病理診斷上，比較成熟就是婦科細胞學(xué),，在計算機的輔助下,，幫助病理醫(yī)生篩查可能陽性的細胞，再由病理醫(yī)生做診斷,，減輕了醫(yī)生的工作量,，使用了幾十年，取得了比較好的效果,。 　　國內(nèi)從事人工智能輔助病理診斷研究多年的Airdoc公司創(chuàng)始人張大磊介紹,，人工智能輔助病理診斷首先要在病理專家的輔助下，完成特定病的病理切片標注,，然后針對病理切片的特點搭建深度神經(jīng)網(wǎng)絡(luò),，實現(xiàn)對大尺寸病理切片的圖片智能處理，然后對算法進行訓(xùn)練和優(yōu)化,，從而訓(xùn)練出精準高效的算法模型,。目前，Airdoc人工智能在皮膚癌等幾類腫瘤病理的識別上,，準確率已經(jīng)和人類頂級醫(yī)生水平相當(dāng),。 　　化身“病理醫(yī)生”困難不少 　　“說人工智能將會替代病理醫(yī)生，我看目前還不具備這樣的條件,。”談起人工智能在乳腺癌病理診斷領(lǐng)域的最新表現(xiàn),，陳杰并沒有十分樂觀。“針對一個病理圖像,，將來人工智能能夠幫助病理醫(yī)生提供幾個意向性的可能作為參考,，是比較現(xiàn)實的，這已經(jīng)很不容易了,，需要大量的數(shù)據(jù)來訓(xùn)練這個機器,。但技術(shù)的發(fā)展真不好說,，還得看人工智能的發(fā)展情況。” 　　陳杰介紹,，除了細胞學(xué)的情況外,，病理診斷要結(jié)合很多其他因素，比如臨床資料,、形態(tài)學(xué),，有的還要做分子檢測，查看分子分型,。在組織學(xué)上,，前些年計算機科學(xué)進步比較慢，一是因為如果要訓(xùn)練機器來進行病理診斷,，就需要病理案例越多越好,，而在數(shù)字切片缺乏的情況下，這一訓(xùn)練顯然無法實現(xiàn),；二是人類的病理圖像很復(fù)雜,，變化太多，即便是將所有相關(guān)權(quán)威書籍的內(nèi)容加起來,，也不能覆蓋所有的病理情況,，而且書上都是病理形態(tài)中的典型圖，典型圖代表的是一種疾病的典型形態(tài),。“比如有時候同樣的形態(tài)長在不同的部位,，可能還不是同一個病。病理醫(yī)生會結(jié)合臨床病史進行診斷,，而人工智能在這方面可能還不能全部學(xué)習(xí)到,。這就跟阿爾法狗有所不同。阿爾法狗訓(xùn)練的時候是記棋譜,，棋譜是有數(shù)的,，可能沒有那么多的復(fù)雜情況。” 　　正因如此,，從技術(shù)的角度希望突圍的人工智能,，在病理解讀上仍然需要面臨很多問題。張大磊介紹,，比如數(shù)據(jù)的標注置信度,、圖片分割和模型數(shù)量等。人工智能算法精準與否,，完全是基于標注的可靠程度,，“和我們上學(xué)時候一樣，如果我們學(xué)的東西都是錯的,，考試的時候肯定不能夠得高分,。數(shù)字病理切片的標注十分繁瑣,，需要頂級專家對大量病理切片來進行標注，這是一個巨大的工作量”,。 　　張大磊說,，現(xiàn)在病理科人工智能需要解決的還有高質(zhì)量圖像獲取的問題，需要和顯微鏡,、數(shù)字切片掃描儀合作,，以便為數(shù)字病理學(xué)提供關(guān)鍵圖像，從而開發(fā)新的解決方案,。對于大尺寸病理切片的圖片處理同樣十分重要,，比如部分腫瘤病理切片的尺寸達到了20萬×20萬像素、甚至40萬×40萬像素,，這對于機器識別來說十分困難,，需要搭建神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)算法不斷進行大量訓(xùn)練，最終才能實現(xiàn)對大尺寸病理切片的圖片處理,。 　　另外一個需要克服的困難就是模型數(shù)量問題，每一個模型都只能面對一個特定病種,，想要覆蓋大部分疾病,，是一件長久而又困難的事情。 　　未來仍有更多期待 　　病理診斷是疾病診斷的金標準,，病理醫(yī)生也素有“醫(yī)生的醫(yī)生”之稱,。在臨床實踐中，病理學(xué)是診斷疾病最重要的方法之一,，也是疾病治療的依據(jù),。但是根據(jù)相關(guān)報道，我國注冊的病理醫(yī)師僅有1萬多人,，缺口達4萬人～9萬人,。在陳杰看來，這不僅有體制機制的原因,，還跟這一行業(yè)不被重視有關(guān),。據(jù)悉，在很多基層醫(yī)療衛(wèi)生機構(gòu),，病理診斷可能就是一個被省略的過程,。 　　陳杰介紹，在北京協(xié)和醫(yī)院,，病理診斷被放在比較重要的位置,，受到普遍重視。該院每年需要做的病理診斷多達7萬余例,。“手術(shù)切下來的組織都得做病理診斷,，包括醫(yī)學(xué)美容,。”但病理醫(yī)生培養(yǎng)是一個漫長的過程，在該院,，一位病理醫(yī)生能夠獨自做病理診斷需要先經(jīng)過大學(xué)5年甚至8年的臨床醫(yī)學(xué)教育,，再進行5年~6年的臨床病理診斷實踐。 　　人才奇缺又培養(yǎng)艱難,，在張大磊看來,，這正是人工智能的優(yōu)勢所在。他介紹,，人工智能識別病理切片準確度高,，閱片速度快，沒有使用地域限制,。它可以長時間保持統(tǒng)一的診斷標準,，從而保持高準確率，更好地輔助病理科醫(yī)生篩查出有問題的病理照片,。醫(yī)生可以將更多精力放在疑難雜癥的診斷上,。 　　陳杰對此也表示認同，如果有了人工智能幫助醫(yī)生做輔助診斷,，那么病理診斷的效率將得到大大的提高,，也就有可能為短時間內(nèi)解決病理醫(yī)生人才荒的問題提供些幫助。 　　“人工智能訓(xùn)練好了,，不光對輔助診斷,，對培訓(xùn)也有意義。”陳杰表示,，人工智能本身就是一個巨大的數(shù)據(jù)庫,，存了大量的病例、圖庫,、知識庫,。一方面，可以利用這些病例來拓寬病理醫(yī)生的視野,；另一方面,，在不斷和人工智能接觸的過程中，醫(yī)生也可以不斷學(xué)習(xí)并找到診斷的依據(jù)和思路,。 　　但是張大磊也承認,，現(xiàn)在的人工智能仍然處于弱人工智能階段，只能進行一些簡單的篩查和診斷,，并不能進行進一步治療,，更不能替代醫(yī)生，仍然需要人類醫(yī)生下達診斷報告,，進行深一步的治療,，并且人工智能的優(yōu)化同樣需要病理科醫(yī)生的指導(dǎo),。 　　“其實外界對病理診斷存在一定的誤解，認為病理診斷就是客觀判斷,，長什么樣就在那兒了,，其實不一定。病理診斷跟臨床看病是一樣的,，主客觀因素都有,。做診斷還得結(jié)合人的基本信息等，基于客觀的病理圖片,，還有個人經(jīng)驗,、看問題的角度等主觀因素影響，最后還得由病理醫(yī)生做判斷,。”陳杰說,，人工智能的介入無疑會促進這個領(lǐng)域的發(fā)展，“我們樂見科技進步給社會,、業(yè)界帶來一些變革,，我們也希望人工智能能夠幫助我們病理科解決一些問題，尤其在基層,，幫我們多講點科學(xué),，普及病理知識”。 　　張大磊呼吁,，病理覆蓋的病種很多，目前人工智能覆蓋到的只是極個別病種,，希望有更多的病理醫(yī)生參與到病理領(lǐng)域人工智能的相關(guān)科研與臨床應(yīng)用中來,。