案例 | 病理“数字化”,Proscia 用 AI 提升病理诊断精确度

简介:

雷锋网消息,5 月份,Google CEO Sundar Pichai 在谷歌 I / O 大会上向数百万观众进行了一个演讲,主题为 AI 在数字病理学上的应用。5 周前,FDA 宣布批准第一个整体切片成像(WSI)系统,作为病理学诊断的主要方式。以上两个事件都指向病理学和实验室医学的未来:软件将在医学领域占据主导地位。

过去 20 年中,软件已经席卷世界。零售业由电子商务公司亚马逊主导,电影租赁业巨头 Blockbuster (百事达) 被在线影片租赁公司 Netflix 挤垮,还有 Uber 用软件接管了出租车行业。目前尚未见到软件大规模进军医疗保健领域,软件应用于数字病理学,可以说是软件在医疗领域最初的尝试。

当然持怀疑态度的人会反驳到:“组织细胞永远是具有物理性质的”,或者是说:“计算机永远不会像人类一样能够诊断出癌症这样复杂的疾病”。所有这些反驳的观点都是正确的,但软件的研发已经开始涉足病理学核心功能,标志着软件已经向着诊断癌症的方向进军。

为什么病理学很重要?

病理学是软件没有“攻占”的最后一块前沿阵地,病理学诊断的金标准仍然是病理医生使用显微镜观察病理切片上组织细胞的病理变化,从而做出诊断结果。

病理学是医学领域的关键一环,通常疾病的第一份诊断报告都出自病理诊断。因此,医生对于患者做出的治疗措施,80% 受病理学报告的影响。出于同样的原因,它也可能是卫生保健系统面临 7,500亿美元误诊成本的最大问题。

病理医生训练有素,他们是识别组织细胞中病理变化方面的专家。然而,即使是最好的病理医生也会犯错误,他们通常只是主观地给出一个最可能的疾病类型,而没有量化的答案。由于诊断的不确定性,可能延误了对患者的治疗。

数字革命的到来

软件在病理学中几乎没有作用,但是最近有了新的研究进展。技术是读取载玻片中的数字病理图谱,因此该领域已被大部分人归入物理领域。目前,数字病理领域的主要参与者正在推动切片成像系统应用于实际,研发通过扫描切片来生成大量病理图像的硬件。

将切片上的病理信息转换成像素的实验是走在科技前沿的。因为用显示器呈现病理变化比显微镜好,因为显示器可以通过像素点呈现切片的所有病理生理现象,这便是数字病理学的重要之处。数字化系统还帮助将文件存贮并提供了检索功能,为以后快速获取提供了极大便利。只有软件才能将数万亿像素的组织图谱应用于人类疾病的病理诊断。

病理数字化对医疗诊断的影响是巨大的,有几个关键点我们要记住。首先,我们将看到一个重新设计的实验室及其工作流程,这个流程简单而且全面,采取设定的做法并将切片数据转化为数字信息。或者说,将数字诊断与医生诊断结合起来。这是一项医学创新,使病理医生能够为数字病理提供辅助答案:“我的癌症是否会扩散?”,“我的癌症在五年内是否会复发?”和“哪种是最有效的治疗方法?”。如今数字病理均可以解决上述问题,依据相关信息进行分子检测,采用类似于遗传学的方式,用数字病理学为癌症诊断和护理提供依据。

数字病理学的今天和明天

卫生保健和技术领导者持续推动病理学向数字化转型,已经长达 15 年之久。为什么现在的转型速度越来越快呢?

最近五年,数字病理学是一个具有巨大前景并且短期能够看见落地场景的领域,因此投资者对这类研究保持乐观的态度。然而,实验室单独购入切片扫描仪需要投入数百万美元。图像文件大小约 1GB,意味着实验室每年需要创建 PB 级数据集,病理数字化过程对于 IT 挑战和存储成本提出了挑战。然而,最现实的问题还是来自政策层面,美国尚未出台用于初步诊断的数字病理系统的相关政策。

据雷锋网(公众号:雷锋网)了解,2017 年 4 月,FDA 首次批准了用于初步诊断病理的整体切片成像系统,这项举措刺激了其他硬件供应商的投资,并燃起了人们对于数字病理学应用于临床病例的兴趣。医疗中心和商业实验室开始认识到,为了不掉队,他们必须要应用数字病理学的技术。早期入局者意识到,虽然这个数字生态系统的诞生离不开硬件的推动,但其实真正地挖掘了这个系统价值的是软件。

随着数字病理学的普及,计算机识别图像复杂模式的能力取得了巨大的进步。对于实验室来说,病理学上的计算进步有两种形式:增强和自动化,二者相辅相成。传统诊断工作流程的自动化使得病理学家可以花更多的时间在更棘手的病例上,比如在人眼无法辨别的情况下对病理数据进行扩充,为病理医生提供癌症的诊断依据。

Proscia:用云平台进行病理分析

近十年来,我国癌症发病率在逐年上升,在癌症的术后诊断中,病理分析一直扮演着重要角色。不过,目前我国病理医生缺口高达 10 万,无法为每个肿瘤患者提供高质量的服务。眼下,“互联网+”和“数字化病理技术”为破解这一难题带来了机遇:相较于传统病理,云病理让医疗资源利用率提高、成本降低。

以国外的一家公司为例,Proscia 成立于 2014 年,是美国一家专注于肿瘤病理云技术开发的公司,其业务主要涵盖肿瘤切片的影像学分析、数据整合和云共享三方面,Proscia 等公司研发的软件为数字化病理提供了一个平台,可以实现数字病理学预期的大部分功能,同时利用 AI 通过自动化和增强功能为数字病理提供支持。通过机器学习,让病理学的诊断由定性转为定量,从而提高病理分析的准确率。

该公司于 2016 年 7 月获得 100 万美元种子轮融资。

2015年, Proscia 创建了一个数字病理云平台,该平台使用计算机视觉来分析肿瘤的活检切片和医学影像,并为医学专家提供每张切片中的病理数据。 今年上半年, Proscia 将这项云技术跨界应用于肿瘤病理分析,建立了肿瘤病理切片云数据库。

医学影像分析学和云系统的结合,让 Proscia 拥有了大量的肿瘤病理大数据。有了这些数据, Proscia 能同时为研究机构、生物技术公司、医疗机构和教育部门提供服务。具体来说, Proscia 为科研机构提供来自全世界的病例样本整理分析;为生物技术公司开发新型药物提供了充足的数据来源;而在医疗机构中,Proscia 能帮助医生判断肿瘤患者术后肿瘤切片的情况,并对下一步治疗方案的确定提供可靠的依据;云数据库中来自全世界的肿瘤病理切片信息也为教育部门提供了良好的教学素材。

据雷锋网了解,Proscia 的首席执行官 David West 表示,数字病理学应用范围广泛,从对于常见癌症的自动化分类到活检诊断癌症等等不可观察的改变对于临床诊断十分有意义。“数字病理学正在向癌症护理方面发展,并且在未来五年内,软件将完全进入癌症诊断和患者愈后护理方面。”


本文作者:白及

本文转自雷锋网禁止二次转载,原文链接

相关文章
|
26天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗诊断中的应用及前景展望
本文旨在探讨人工智能(AI)技术在医疗诊断领域的应用现状、挑战与未来发展趋势。通过分析AI技术如何助力提高诊断准确率、缩短诊断时间以及降低医疗成本,揭示了其在现代医疗体系中的重要价值。同时,文章也指出了当前AI医疗面临的数据隐私、算法透明度等挑战,并对未来的发展方向进行了展望。
|
4天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用与挑战
【10月更文挑战第21天】 本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状与面临的挑战,旨在为读者提供一个全面的视角,了解AI如何改变传统医疗模式,以及这一变革过程中所伴随的技术、伦理和法律问题。通过分析AI技术的优势和局限性,本文旨在促进对AI在医疗领域应用的更深层次理解和讨论。
|
11天前
|
人工智能 自然语言处理 算法
AI时代的企业内训全景图:从案例到实战
作为一名扎根在HR培训领域多年的“老兵”,我越来越清晰地感受到,企业内训的本质其实是为企业持续“造血”。无论是基础岗的新人培训、技能岗的操作规范培训,还是面向技术中坚力量的高阶技术研讨,抑或是管理层的战略思维提升课,内训的价值都是在帮助企业内部提升能力水平,进而提高组织生产力,减少对外部资源的依赖。更为重要的是,在当前AI、大模型、Embodied Intelligence等新兴技术快速迭代的背景下,企业必须不断为人才升级赋能,才能在市场竞争中保持领先。
|
18天前
|
数据采集 机器学习/深度学习 人工智能
AI在医疗诊断中的应用与挑战
随着人工智能(AI)技术的飞速发展,其在医疗领域的应用也日益广泛。从辅助医生进行疾病诊断到提供个性化治疗方案,AI技术正在改变着传统医疗模式。然而,AI在医疗诊断中的应用并非一帆风顺,面临着数据质量、模型可解释性、法规政策等一系列挑战。本文将从AI在医疗诊断中的具体应用场景出发,探讨其面临的主要挑战及未来发展趋势。
|
17天前
|
人工智能 数据可视化 专有云
阿里云飞天企业版获评2024年AI云典型案例
近日,由全球数字经济大会组委会主办、中国信息通信研究院和中国通信企业协会承办的“云·AI·计算国际合作论坛”作为2024全球数字经济大会系列活动之一,在北京举办。论坛以“智启云端,算绘蓝图”为主题,围绕云·AI·计算产业发展、关键技术、最佳实践等展开交流讨论。阿里云飞天企业版异构算力调度平台获评2024年AI云典型案例。
|
27天前
|
机器学习/深度学习 人工智能 算法框架/工具
探索AI在医疗诊断中的应用
本文将带你深入了解人工智能如何在医疗诊断领域大放异彩。我们将一起探讨深度学习模型如何助力医生进行疾病预测,以及AI技术如何提高医疗图像分析的准确性。文章还将展示一些实用的代码示例,让你更直观地理解AI在医疗诊断中的应用。
41 5
|
28天前
|
人工智能
AI在医疗诊断中的应用
随着科技的不断发展,人工智能(AI)已经逐渐渗透到我们生活的各个领域,其中包括医疗领域。AI的应用不仅可以提高医疗服务的效率,还可以提高诊断的准确性。本文将通过一些实例,详细介绍AI在医疗诊断中的应用。
|
28天前
|
机器学习/深度学习 人工智能 监控
探索AI在医疗诊断中的应用与挑战
本文旨在揭示人工智能(AI)技术如何革新医疗诊断领域,提高疾病预测的准确性和效率。通过分析AI在图像识别、数据分析等方面的应用实例,本文将探讨AI技术带来的便利及其面临的伦理和法律问题。文章还将提供代码示例,展示如何使用AI进行疾病诊断的基本过程。
|
16天前
|
人工智能 Kubernetes Cloud Native
荣获2024年AI Cloud Native典型案例,阿里云容器产品技术能力获认可
2024全球数字经济大会云·AI·计算创新发展大会,阿里云容器服务团队携手客户,荣获“2024年AI Cloud Native典型案例”。
|
25天前
|
机器学习/深度学习 人工智能 算法
AI在医疗诊断中的应用与挑战
随着科技的飞速发展,人工智能(AI)已经渗透到各个领域中,其中包括医疗行业。AI技术在医疗诊断中展现出了巨大的潜力和优势,但同时也面临着一些挑战和问题。本文将探讨AI在医疗诊断中的应用以及面临的挑战,并通过代码示例展示AI如何帮助医生进行疾病诊断。
27 0
下一篇
DataWorks