我們先設(shè)想這樣一個(gè)場景：夜里11點(diǎn)，醫(yī)院的病理科內(nèi)還燈火通明，桌面上還有幾例待閱的切片，第二天患者就要取最終診斷報(bào)告。剛剛閱過的切片似乎也沒有十足的把握，不知道和誰討論。

工作了十幾個(gè)小時(shí)之后，疲憊的醫(yī)生往往會有這些內(nèi)心獨(dú)白：

我在基層，只有我一個(gè)病理醫(yī)生，遇到問題我向誰請教？科里沒有資深的病理科醫(yī)生、甚至主任也不懂怎么辦？天天遠(yuǎn)程會診不現(xiàn)實(shí)，資金、設(shè)備從哪兒來？出去進(jìn)修沒條件，診斷水平如何提高？

其實(shí)，這樣的場景不止是在基層，就連具備優(yōu)質(zhì)資源的三甲醫(yī)院里也時(shí)常會出現(xiàn)。所幸的是，人工智能等新技術(shù)的不斷應(yīng)用，讓人們看到了技術(shù)給醫(yī)療行業(yè)帶來的巨大想象空間。

病理學(xué)可以和AI擦出怎樣的火花？2017年2月，Andre Esteva等利用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)方法分析了13萬張皮膚癌圖片，最終能達(dá)到皮膚病專家的水平。同年3月，谷歌也開發(fā)出了一款能用于診斷乳腺癌的人工智能，通過學(xué)習(xí)腫瘤組織與正常組織的病理切片，分辨出單個(gè)小區(qū)域內(nèi)被標(biāo)注為“腫瘤”的像素，從而將整個(gè)小區(qū)域標(biāo)注為“腫瘤區(qū)”。

作為這場“人與智能”競賽中的當(dāng)事人，病理科專家又是如何看待AI在病理科中的前景和未來？近日，雷鋒網(wǎng)有幸與中國解放軍總醫(yī)院（以下簡稱為301醫(yī)院）病理科副主任宋志剛進(jìn)行了一次深入對話。

好的病理醫(yī)生意味著什么？

我們都知道，病理診斷是醫(yī)學(xué)診斷的“金標(biāo)準(zhǔn)”，是醫(yī)生對病人進(jìn)行正確治療的基石，病理醫(yī)生更素有“醫(yī)生的醫(yī)生”之稱。病理醫(yī)生直接面對的其實(shí)不是患者，而是臨床醫(yī)生。病理報(bào)告中會提供病人罹患的疾病的具體類型、腫瘤的分級、分期等各種信息，然后臨床醫(yī)生會根據(jù)這些信息來制定治療和用藥的方案。

“千金易得、病理醫(yī)生難求”，與病理科的重要地位形成鮮明對比的是病理醫(yī)生資源的匱乏。據(jù)雷鋒網(wǎng)了解，全國職業(yè)病理醫(yī)生約9000人，按照國家規(guī)定，缺口達(dá)4-9萬人。另外，不同級別醫(yī)院診斷準(zhǔn)確率差別較大，較低級別的醫(yī)院可能不足40%。病理診斷含金量不足，導(dǎo)致腫瘤治療過度或不足。

在采訪中，301醫(yī)院的宋主任表示，病理診斷醫(yī)生緊缺有其特殊的學(xué)科背景和社會背景。病理診斷依靠顯微鏡下的細(xì)胞形態(tài)，細(xì)胞不同的形態(tài)及不同的組合及排列可能代表不同的疾病。而同一種疾病又有不同的形態(tài)，病理醫(yī)生需要掌握常見的上千種疾病的常見形態(tài)。因此病理醫(yī)師的診斷依賴于經(jīng)驗(yàn)，培養(yǎng)病理醫(yī)生的周期非常長，從一個(gè)初級診斷醫(yī)生到一個(gè)經(jīng)驗(yàn)豐富的高年資診斷醫(yī)生大約需要10年時(shí)間。此外，病理工作風(fēng)險(xiǎn)高、責(zé)任大， 專業(yè)吸引力相對較低，且由于從業(yè)后工作強(qiáng)度太高，很多學(xué)病理的醫(yī)生都沒能堅(jiān)持到最后。

301醫(yī)院屬于國內(nèi)著名的醫(yī)院，一年到頭都會擠滿了從全國各地慕名前來的患者。那么，在這樣頂級醫(yī)院的病理科里，醫(yī)生的工作狀態(tài)是什么樣？

宋主任向雷鋒網(wǎng)介紹，2017年，301醫(yī)院病理科活檢病例接近9萬例，這9萬例報(bào)告每例都至少經(jīng)過2名醫(yī)生的從大體標(biāo)本取材、一線醫(yī)生閱片及二線醫(yī)生閱片到報(bào)告簽發(fā)的過程。有些疑難病例還要經(jīng)過三級醫(yī)師閱片，甚至全科醫(yī)生集體討論。因此各級醫(yī)生加班閱片已是常態(tài)，至少1/3的病例是在加班時(shí)間完成的。

病理AI為什么進(jìn)展慢？

考慮到整體醫(yī)療環(huán)境對醫(yī)生資源的渴求，嘗試?yán)眯录夹g(shù)來滿足醫(yī)生需求的呼聲也越來越高。盡管現(xiàn)在人工智能在醫(yī)療領(lǐng)域的應(yīng)用如火如荼，但是就病理這門學(xué)科而言，涉足者甚少。與創(chuàng)業(yè)公司在影像科室里的熱鬧場面相比，市面上能夠利用AI技術(shù)在病理學(xué)方面做出滿意成果的公司屈指可數(shù)。病理科是否有其獨(dú)特的行業(yè)壁壘，讓創(chuàng)業(yè)者望而卻步？

在宋主任看來，病理AI的進(jìn)展慢主要是難度大，無論是從計(jì)算機(jī)角度還是病理學(xué)角度——數(shù)據(jù)量大、診斷標(biāo)準(zhǔn)多。

從計(jì)算機(jī)角度來看，病理學(xué)的切片每張可達(dá)到G字節(jié)以上的數(shù)據(jù)量。我們來粗略地算一筆賬：301醫(yī)院去年產(chǎn)生近9萬例診斷量，平均每例可以產(chǎn)生5張切片，即使全部利用200倍全視野掃描，所得的圖像大小也有500M左右，這樣的數(shù)據(jù)量本身就已經(jīng)非常龐大，由此就會帶來數(shù)據(jù)存儲的問題。“我們一年需要好幾個(gè)機(jī)柜的硬盤才能滿足日常的存儲需求，這讓很多硬件商看到之后都望而卻步，更別談一些小的創(chuàng)業(yè)公司了?！?/p>

從病理學(xué)角度來看，全身疾病的種類多達(dá)五千余種，每種疾病都有不同的診斷標(biāo)準(zhǔn)，每個(gè)標(biāo)準(zhǔn)又有很多對應(yīng)的特征。宋主任給我們打了一個(gè)比方：如果影像科醫(yī)生和病理學(xué)醫(yī)生同時(shí)來診斷一顆“爛蘋果”，影像科醫(yī)生利用各種影像設(shè)備看到蘋果上壞了個(gè)洞，可能是生蟲子了，至此就可以下結(jié)論。但是對于病理科而言，要做到知其然，而后知其所以然，不僅要知道這是一顆壞蘋果，還要判斷這顆蘋果生的是什么蟲子，蟲子是什么類型，要提供詳細(xì)的信息為后續(xù)“殺蟲“方法的選擇提供依據(jù)?！安±韺W(xué)更多的是一門經(jīng)驗(yàn)學(xué)科，很多參數(shù)都在我們心里。如何把這種難以量化的經(jīng)驗(yàn)傳授給機(jī)器，也是科技公司要攻克的難關(guān)?！?/p>

我為AI設(shè)定的兩個(gè)“小目標(biāo)”

目前的經(jīng)驗(yàn)告訴我：在一個(gè)定義非常明確的問題上，通過向病理學(xué)家不斷學(xué)習(xí)，機(jī)器學(xué)習(xí)可以交付足夠好的表現(xiàn)。“人工智能的優(yōu)勢在于不知疲倦，診斷標(biāo)準(zhǔn)更加客觀，相比于培養(yǎng)醫(yī)生的成本較低（一個(gè)成熟的AI診斷模型，全球通用），具備大數(shù)據(jù)分析能力（遠(yuǎn)超出個(gè)人經(jīng)驗(yàn)的總結(jié)），為疾病的診斷、治療及預(yù)后判斷等方面提供更多依據(jù)?！?/p>

為此，他與AI技術(shù)隊(duì)伍以腸腺瘤診斷的人工智能為切入點(diǎn)進(jìn)行了跨界嘗試。他為人工智能設(shè)定了兩個(gè)“小目標(biāo)”：細(xì)胞學(xué)初篩、定量分析。

以細(xì)胞學(xué)初篩為例，病理切片圖像可以分為組織學(xué)圖像和細(xì)胞學(xué)圖像。細(xì)胞學(xué)圖像通常只包含細(xì)胞本身的信息，而組織病理學(xué)圖像包含更復(fù)雜的排列組合方式等信息，因此二者對分析算法有不同的要求，選擇細(xì)胞學(xué)在一定程度上而言難度更小。

而在定量分析方面，現(xiàn)在越來越多的精準(zhǔn)治療需要病理醫(yī)生提供很多的定量指標(biāo)，如：核分裂像計(jì)數(shù)、免疫組化陽性強(qiáng)度的判定等。這些工作恰恰是人所不擅長的，不僅耗時(shí)，而且難以給出準(zhǔn)確的數(shù)據(jù)，那這種工作為什么不讓最擅長的機(jī)器來做呢？

宋主任向我們介紹了他在腸腺瘤人工智能診斷上的一些心得體會。“選擇這一病種是因?yàn)槟c腺瘤的病例相對較多、病變類型相對少，而且腺瘤的組織形態(tài)較為簡單。”

他們的團(tuán)隊(duì)利用200多張病理切片，進(jìn)行切割后得到了80萬張腺瘤以及100萬張陰性的小圖。經(jīng)過一系列的處理和數(shù)據(jù)集訓(xùn)練后，基于GoogleNet的深度學(xué)習(xí)模型的單一疾病靈敏度可以達(dá)到85.71%，特異度為84.21%，準(zhǔn)確率為85.04%。

我們都知道，醫(yī)療場景里，漏診是一個(gè)嚴(yán)重的問題。所以，很多團(tuán)隊(duì)在打磨產(chǎn)品的過程中也繞不開這個(gè)問題：出現(xiàn)漏診的責(zé)任誰來擔(dān)？所以，抱著“寧錯殺一千不放過一個(gè)”的心態(tài)，宋主任認(rèn)為：對于將來產(chǎn)品在設(shè)計(jì)時(shí)應(yīng)著力降低假陰性率，即便帶來假陽性高的副作用，也要保證假陰性率接近零。這樣AI診斷為陰性的應(yīng)充分可靠，直接出報(bào)告，AI診斷陽性的再去人工復(fù)核，AI初篩出多少陰性病例，就為醫(yī)師減輕了多少工作量，這樣就達(dá)到AI初篩減輕醫(yī)師工作復(fù)核的目的。

為什么要篩除陰性病例而不是陽性病例？因?yàn)殛栃圆±那樾吻f萬，有些病例少到全球只有幾例。罕見病的病例量肯定不能夠滿足AI學(xué)習(xí)的數(shù)據(jù)量。

“一天建不成羅馬，病理AI也是同理，需要由簡單到復(fù)雜，由單病種擴(kuò)展到多病種。盡管模型在單一疾病上取得了可喜的成果，但是對于一個(gè)系統(tǒng)多個(gè)疾病的診斷所需要的病例量可能是指數(shù)級增長的。

醫(yī)工結(jié)合如何發(fā)揮最大效能？

在市場、資本包括國家政策的“注視”下，計(jì)算機(jī)輔助診斷有一部分開始走出實(shí)驗(yàn)室進(jìn)入臨床輔助的階段。由于醫(yī)療數(shù)據(jù)的限制以及臨床高準(zhǔn)確率的要求，病理AI依然存在一些局限性。從以往的經(jīng)驗(yàn)可以看出，制造出一個(gè)可以臨床使用的產(chǎn)品需要多學(xué)科科學(xué)家的通力合作，沒有病理學(xué)家的深度參與不可能有真正實(shí)用的病理產(chǎn)品出現(xiàn)。

人工智能在醫(yī)療領(lǐng)域凸顯出了極大的優(yōu)勢和施展空間，但是醫(yī)院的醫(yī)生是否有意愿、有動力去配合公司進(jìn)行相關(guān)的開發(fā)工作？宋主任指出：現(xiàn)在的問題在于醫(yī)學(xué)界和工程界并沒有形成一個(gè)緊密、有效的合作機(jī)制。利用AI來實(shí)現(xiàn)影像診斷是一個(gè)超級工程，模型的建立只是合作中的一小步，后期的數(shù)據(jù)標(biāo)注、模型修改都需要醫(yī)生的深度參與，這時(shí)候就需要醫(yī)工雙方形成長期穩(wěn)定的合作關(guān)系。

醫(yī)療+AI的工程很大，病理尤甚。

“醫(yī)工結(jié)合的結(jié)合有時(shí)候過于松散，醫(yī)生忙于自己的本職工作，還要另外抽出時(shí)間來配合企業(yè)的研發(fā)需求，合作效能無法最大化。醫(yī)生和公司最好能夠形成一個(gè)利益共同體，類似于合伙人的方式，提高醫(yī)生的積極性和參與感，不斷地朝同一個(gè)目標(biāo)努力?！?/p>

在宋主任看來，AI解決不了的是創(chuàng)新，人工智能本質(zhì)上是對人類知識的整合，創(chuàng)新工作還是要人來完成?？茖W(xué)的進(jìn)步日新月異，醫(yī)學(xué)也是一樣，將來人的任務(wù)是發(fā)現(xiàn)新的知識，AI的任務(wù)是學(xué)習(xí)新知識，并為人類服務(wù)。

病理醫(yī)生對AI的新需求

在完成腸腺瘤的人工智能診斷研究之后，現(xiàn)階段醫(yī)學(xué)團(tuán)隊(duì)有什么實(shí)際的需求需要業(yè)界團(tuán)隊(duì)來協(xié)助？在宋主任看來，需求主要有兩部分:

輔助：為低級別醫(yī)院經(jīng)驗(yàn)欠缺的病理醫(yī)生提供診斷建議、提供教學(xué)幫助、AI分擔(dān)醫(yī)生繁重而簡單的工作（如尋找淋巴結(jié)的轉(zhuǎn)移癌、病原體等，定位后人工復(fù)核）

替代：計(jì)數(shù)指標(biāo)的判定、免疫組化陽性強(qiáng)度的判定以及分子病理的判定

去年可以說是AI應(yīng)用的元年，各種研究團(tuán)隊(duì)不斷刷新人類在醫(yī)療領(lǐng)域的能力極限，AI似乎在賬面上大有超越醫(yī)生之勢。那么，未來AI在病理科的不斷成熟，對醫(yī)生的工作流程是否有影響？影響有多大？

宋主任對此回應(yīng)，將目光放遠(yuǎn)一點(diǎn)來看，AI的成熟會對醫(yī)生工作流程產(chǎn)生很大的影響，不同的成熟階段可能不太一樣。在他的設(shè)想中，AI在病理科流程中的應(yīng)用可以分為以下三步：

近期：AI輔助醫(yī)師完整一些簡單而繁重的工作（前述的輔助及替代工作），由人工復(fù)核后簽發(fā)報(bào)告。

中期：病理切片掃描，AI篩出陰性結(jié)果，陽性病例給出診斷意見，人工復(fù)核簽發(fā)報(bào)告。

遠(yuǎn)期：人工智能直接簽發(fā)報(bào)告，醫(yī)師維護(hù)數(shù)據(jù)進(jìn)行科研工作。

當(dāng)然，如果將“AI+醫(yī)療”置于整個(gè)醫(yī)療的大環(huán)境下來看，人工智能不僅要在三甲醫(yī)院等優(yōu)質(zhì)資源聚集的地方發(fā)揮作用，而且更應(yīng)該在分級診療的政策導(dǎo)向下為基層醫(yī)療承擔(dān)更多的責(zé)任。

因此，強(qiáng)化基層的病理診斷能力，向基層輸出優(yōu)質(zhì)的病理診斷人才是解決分級診療的一個(gè)重點(diǎn)。

病理科作為基礎(chǔ)學(xué)科，其診斷會直接影響到基層醫(yī)院各類疾病的診斷和治療水平。沒有這個(gè)做基礎(chǔ)，基層醫(yī)院很難留住病人，更不用說“大病不出縣”。

展望一下醫(yī)療領(lǐng)域未來的發(fā)展之路，宋主任認(rèn)為人工智能在其中大有可為。“職業(yè)病理醫(yī)生缺口大，基層醫(yī)院病理學(xué)科配置不足，目前已經(jīng)成熟的遠(yuǎn)程病理再加上將來成熟的人工智能，技術(shù)的進(jìn)步將淡化基層與上級醫(yī)院的區(qū)別。所有的患者都能享受高水平的一致的診斷服務(wù)，這不僅局限于病理學(xué)，整個(gè)醫(yī)療領(lǐng)域?qū)⒍际沁@樣?！?/p>

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。