本篇文章3473字，读完约9分钟
历时107天，由AlibabaCloud天池主办的“数字人体”视觉挑战赛落下帷幕，本届大赛以宫颈癌为切入点，通过提供大规模由专业医生标记的宫颈癌液基薄层细胞检测数据，实现了运动员目标检测。 目的是对宫颈癌细胞学图像进行分类，提高模型检查的速度和精度，辅助医生诊断。
英特尔是本届大赛联合主办单位，其首创的英特尔深度学习加速技术，大幅提高了本届大赛的预估效率。 大会期间，来自12个国家和地区的近3000名运动员取得了2000多项病理ai技术创新成果，为数字病理临床应用变革注入了新的活力。
获奖者和嘉宾的照片
年6月13日下午，由AlibabaCloud (阿里巴巴云)天池、intel联合举办的数字病理产学研研讨会在杭州召开，20多位来自医疗机构和产业界的嘉宾对病理ai的临床诉求和未来快速发展趋势进行了深入的探讨，并进行了研讨会。
应用落地很重要
在这次参加“数字人体”视觉挑战赛的项目中，部分算法模型具备了直接应用于各大医院数字化设备的条件。 阿里巴巴达摩院医疗ai总监迟颖认为这是个好趋势。
阿里巴巴达摩医院医疗ai总监迟颖
在开头的致辞中，迟颖将人工智能技术比作医疗健康的导航仪，通过技术的前进实现了治未病的目标。 目前医疗ai的首要研究方向是用视觉引擎、知识引擎、各大搜索引擎等技术辅助医疗行为，使医疗分解、健康管理、公共卫生高效、普惠、低价。 迟颖认为，医疗机构、基层公共卫生保健、医疗保险、医疗器械和消耗品等将成为医疗ai应用落地的场景，“从以前开始，随着机器学习的发展，ai在医疗中的主流价值越来越明显，已经成为不可缺少的前进动力。
英特尔云计算和人工智能首席工程师胡潇也强调，医疗ai技术的关键是让更多的人受益，而不是像阳春白雪一样追求象牙塔的学术成果。 幸运的是，现阶段的ai技术创新不仅是算法的成果，还试图落地减少每个患者的疾病负担。
医疗机构病理ai的控诉怎么样了？
近年来，多种病理ai产品已应用于临床创新实践。 但是，ai作为基础核心技术，推进了这个行业真正的成熟、体系化，还有很长一段距离。
数字病理产学研研讨会现场
中华医学会病理学分会前主任委员、四川大学华西医院病理科教授步宏教授做了主题为“远程病理与人工智能的再思考”的远程演讲，分享了对远程病理的3点看法和对人工智能的3点思考。
步宏教授认为，第一，缺乏远程平台的智能水平和友好体验，许多数字要素没有得到完全利用，不能用前面传授病理的思维建立远程病理平台。 第二，开展远程病理诊断要区分操作难度，调动医生参与积极性；第三，远程病理平台应利用ai技术改革创新病理诊断报告的复印件和形式。
算法、计算力和医疗大数据的联合应用是ai进步的三个基本条件，其中完全利用医疗大数据是最重要的因素。 病理诊断需要整合各个维度的医疗新闻，病理ai的目标应该是提供多元化指标的支持系统。
步宏教授指出，第一，病理ai必须在招聘中完全成熟；第二，应用场景作为病理ai的“最后一公里”，是薄弱环节，应特别重视；第三，构建新闻共享平台，灵活机制和运气
在我国，医生短缺是病理科面临的最现实的问题，浙江大学健康医疗大数据国家研究院副院长吴健如是说。 这背后更深层次的困境是病理诊断多，杂同时从事量巨大，加之不直接接触患者科室，病理科技迭代滞后，病理科人力价格仍占总支出的近40%，目前条件下难以开展病理科医生队伍。
中南大学湘雅二院病理科副主任蒋谊强调，要做病理ai，光靠人工智能是不够的，没有病理医生参与的病理ai最后很难取得商业上的成功。 病理是一门多而复杂的学科，无论是切片扫描、标记还是深度学习等技术，都必须将诊断专家的经验与数字扫描相结合。 病理ai产品必须使病理科医生能够舒适地使用，而不是末梢病理科医生。
浙江省肿瘤医院病理科主任孙文勇表示，细胞病理、分子病理是临床实践中比较新的技术，医生数据整合和结果分解经验少，组织病理分解诊断是病理科从业量最大的部分，如果能开发出足够有效的组织病理ai产品，医生的从业量将大大减少。
瑞金医院病理科副主任谢静指出，病理科专业性非常强，不同专业性差异较大，与肺癌、胃肠癌等相比，内分泌肿瘤样本异质性较小，可能适合作为ai的应用方向。
病理界与公司界之间必须产生相互宽容的机制，河南省医学科学院副院长、河南肿瘤医院病理科主任郭永军强调，整合所有医疗新闻用于病理诊断有一个过程，双方的期望值不应过高。 郭永军主任建议，创新公司可以配合政策诉求，巧妙地推动病理ai落地和产业快速发展
此外，来自第三方病理诊断中心的嘉宾也分享了他们的意见。 华银健康集团副总经理温韵洁表示，华银健康在日常服务过程中，积累了大量开发ai产品所需的数字切片数据，病理医生和ai团队在相互了解、进行应用选择时，比较简单，但可以选择医生最需要的方向
对于孙文勇主任提出的组织病理ai诉求与细胞病理ai供应之间的失配，衡道病理中心技术负责人、首席科学家刘净心博士表示，细胞病理对应量化分解指标，同时机器完成效率高于人工，这是因为容易落地。
现阶段病理ai落地遇到了那些困难？
医学影像具有高维高密度优势，是以“医学影像+人工智能优势、技术与趋势”为主题的远程演讲，中国科学院计算技术研究所研究员周少华表示，现阶段数据差异大、记忆分散、大量注释数据少、样本多模式、疾病类型多样， 但是，周少华表示，应对上述挑战的趋势性技术存在，学术界、医疗机构和产业界必须开展合作。
江丰生物布局国内市场是近9年来国内出货量最大的数字病理扫描设备制造商之一。 2019年5月，江丰生物基于数据积累自主研发的宫颈癌筛查产品获得第二类医疗器械注册证。 但是，江丰生物董事长刘炳宪认为，目前病理ai还处于初期阶段，他同样也暗示了多种合作的重要性。
由于没有统一的标记标准，基于不同医生、医疗机构甚至试剂耗材建立的病理ai模型不可重复使用。 迪英加科技董事长杨林表示，在通过模型培训向市场推出灵敏度为99.5%的高特异性产品的过程中，他们曾得到精度与产品参数完全不一致的负面反馈。 “与病理专家的讨论和交流比想象中要复杂，ai落地面临着模型分解能力、数据不标准、医疗服务收款标准等诸多问题，需要专家与公司一起努力。 ”。
人工智能并不是从现在开始结合所有领域，首席执行官杨志明指出，它看起来像宫颈癌细胞学筛查一样简单，越来越难深入。 普遍存在的困境之一是，ai不擅长病理，细胞病理不擅长ai，不能产业化，关键是要相互结合。 但是，杨志明相信，现阶段是病理ai“黎明前的5、6点”，突破即将到来。
调查显示，在医生录用率方面，影像方面非常高，医生点击概率超过80%，科技首席执行官陈浩通过数据验证了杨志明的观点，“说明了ai在自身有价值的领域是细分的”。
医生的诉求不同，对模型的要求也不同，卫宁健康人工智能总监刘鸣谦指出，在新产品、新技术贯穿应用路径的过程中，弥合差距、构筑桥梁也非常重要。 基于此，我认为算法在整个病理ai链中可能是非常小的问题，但还有很多其他问题。
今后2~3年，病理ai会怎么样？
正如步宏教授所说，病理ai在招聘中必须完整。 阿里云营销和公共事务总经理刘湘雯指出，病理ai是一个狭窄垂直的行业，但从技术到医生都涉及非常长的产业链，开发ai的人要找到自己的位置，就必须有业务价值。 具体到病理ai的话，会节约医生的时间和医疗价格。
那么，完整的路径会怎么样呢？ 参加者纷纷提出了他们的方案。
病理ai的应用应该是落地先容易，诺特创始人齐华认为，从容易识别和量化的标记开始。 一般来说，试剂制造商有成熟的商业模式，齐华建议通过直接将ai产品与试剂组合，使ai拥有可变通道，提高试剂的竞争力。
考虑到外部环境可能产生的影响，易普森首席算法科学家周旭呼吁国内硬件制造商多开发病理ai的基础部件，尽快加大国产设备。 兰茜生物技术负责人韩方剑说，最现实的事情是服务病理医生并得到医生的同意。
商汤科技智能健康病理产品负责人黄晓迪指出，以更加平台化的思路处理病理ai落地问题，从地区到医院再到科室，贯穿影像科和病理科的数据，通过不同数据模型之间的融合可以真正推进数字病理演化的过程。
作为研讨会的最后一个环节，动脉网蛋壳研究院发表了联合AlibabaCloud天池、英特尔联合编制的“数字病理诊断排行榜”。 动脉网认为，病理ai产业的生态合作是必要的，必须各个专家结合起来，面向实践、场景处理医生真正关心的问题，希望包括政府机构在内的越来越多的群体能够关注病理ai的应用增长。
