首先，讓我們先聊聊病理(lǐ)學家們是如(rú)何拯救人(rén)類生(shēng)命的。

當發現患者胸部掃描顯示肺部位置存在可(kě)疑腫塊，外科(kē)醫生(shēng)就(jiù)會從(cóng)該潛在的腫瘤處提取一個小小的柱狀活體(tǐ)樣本，由病理(lǐ)學家進一步提取極薄的組織切片放(fàng)在載玻片上通過顯微鏡進行觀察，判斷細胞中是否存在癌變迹象。最後，由醫生(shēng)着手治療。

但(dàn)這樣一個診療的過程也有局限性。即便是專業的病理(lǐ)學家和醫生(shēng)也有可(kě)能忽略真正的癌細胞，或是将顯微鏡下觀察到的某些良性細胞誤判爲癌細胞。在後一種情況下，病人(rén)将接受毫無必要的傳統化療。

而借助人(rén)工(gōng)智能，這個問題将在很大(dà)程度上被解決。利用大(dà)量數字化影(yǐng)像進行訓練，人(rén)工(gōng)智能系統能夠提供準确率遠(yuǎn)超人(rén)類病理(lǐ)學家的診斷結論，甚至發現頂尖病理(lǐ)學家也無法發現的、極爲細小的病征。也就(jiù)是說(shuō)，針對于癌症，人(rén)工(gōng)智能将爲醫生(shēng)和病理(lǐ)學家提供重要的診斷與治療建議(yì)，并且這個過程有望在幾秒鍾之内完成。

無疑，機器将使日(rì)益複雜的現代醫學變得(de)更易于管理(lǐ)，而人(rén)機組合的方式也将超越單一一方的表現，給未來(lái)醫學發展帶來(lái)新的突破。

在過去(qù)的一年(nián)中，由機器學習算法驅動的各類診斷工(gōng)具已經進入臨床市場，幫助醫生(shēng)在極少甚至根本無需人(rén)工(gōng)輸入的前提下輕松發現手腕骨折、糖尿病并發性眼疾以及中風(fēng)等病征。然而，這些早期應用僅僅負責自(zì)動完成專家診斷及醫師(shī)執行方面的任務，一般涉及解釋X光片與CT掃描等影(yǐng)像。這類軟件在分(fēn)析精度與準确率方面略微優于訓練有素的人(rén)類專家，且具備極爲明顯的速度優勢。然而，還(hái)不能從(cóng)根本上擴展診斷規模。

相(xiàng)比之下，AI病理(lǐ)學的發展更具有突破性。

據預測，2019年(nián)美國(guó)食品與藥物管理(lǐ)局（簡稱FDA）或将批準多家公司在病理(lǐ)學領域的第一款AI支持型工(gōng)具。與放(fàng)射學及眼科(kē)等單純面向某一領域的學科(kē)不同，AI病理(lǐ)學工(gōng)具能夠将生(shēng)物化學、免疫學乃至遺傳學領域的成果整合起來(lái)，從(cóng)而爲組織薄切片及染色樣本的圖像添加分(fēn)子級别的細節觀察。

AI将大(dà)大(dà)減輕病理(lǐ)學家的工(gōng)作壓力

Andrew H． Beck是一位專業的病理(lǐ)學家，曾在波士頓與合夥人(rén)共同創辦并經營一家名爲PathAI的初創企業。他(tā)表示，他(tā)們的工(gōng)具将真正改善診斷的準确性與治療效果，并認爲，病理(lǐ)學将成爲人(rén)工(gōng)智能真正徹底改變的第一個醫學領域。

Beck并不是唯一一位對此抱有樂觀态度的人(rén)。各大(dà)軟件巨頭（包括谷歌與IBM）、醫療設備制造商（包括飛利浦與徕卡生(shēng)物系統公司）以及數十家初創企業正在開發相(xiàng)關的模式識别算法，希望能夠幫助病理(lǐ)學家利用載玻片上的數字化活體(tǐ)組織圖像發現癌細胞或者其它患病細胞。支持者們指出，據統計(jì)目前隻有不到2％的高校(xiào)畢業生(shēng)願意進入病理(lǐ)學領域； 而智能軟件的出現則有望緩解全球人(rén)才短(duǎn)缺的現狀，同時減輕病理(lǐ)學專家和醫生(shēng)的工(gōng)作壓力。

Beck本身(shēn)對病理(lǐ)學與軟件都(dōu)有着深入的理(lǐ)解。他(tā)是一位病理(lǐ)學家，同時接受過計(jì)算機科(kē)學培訓。在公司總部内，Beck進行了一輪PathAI平台演示。他(tā)将一部分(fēn)癌變肺組織數字圖像進行縮放(fàng)，在顯微鏡載玻片的标準視力與染色疊加圖之間切換，并通過突出顯示特定細胞或癌變相(xiàng)關蛋白(bái)做出内容注釋。

利用數字載玻片圖像數據PathAI對其機器學習算法進行了訓練，并将其與例如(rú)腫瘤侵襲性、治療計(jì)劃與治療結果等臨床數據加以結合，從(cóng)而實現遠(yuǎn)超任何頂尖人(rén)類醫師(shī)的統計(jì)分(fēn)析能力。

據了解，PathAI的模型不僅能對癌細胞進行檢測并評估腫瘤的狀态，同時還(hái)能給出相(xiàng)關的治療建議(yì)。通過計(jì)算包圍在腫瘤周邊的免疫細胞，并判斷這些細胞是否具有某些特性的方式，考量最新的免疫療法是否奏效。

這種方式對于像Bristol－Myers Squibb（簡稱BMS）這樣的藥物開發商來(lái)說(shuō)極具價值。因爲BMS一直希望借此确定爲什麽隻有一小部分(fēn)臨床試驗參與者對抗癌藥物有所反應。

BMS公司翻譯病理(lǐ)學負責人(rén)Michael Montalto解釋稱，他(tā)的團隊目前正在依靠PathAI的技術确定活檢樣本中的腫瘤細胞是否被僞裝蛋白(bái)質所覆蓋——在這種情況下，免疫細胞無法将癌細胞正确識别出來(lái)。BMS的免疫治療藥物能夠有效剝開覆蓋層，從(cóng)而激發病患身(shēn)體(tǐ)對于癌細胞的殺滅功能。他(tā)表示，這還(hái)隻是人(rén)工(gōng)智能發現作用的案例之一，接下來(lái)BMS還(hái)将把這項技術引入所有病理(lǐ)試驗中。

癌症的秘密

圖一（來(lái)源PathAI）

圖二（來(lái)源PathAI）

爲了幫助醫生(shēng)們治愈肺部腫瘤，PathAI的軟件會繪制現有組織類型（圖一），其中的紅(hóng)色部分(fēn)爲指示癌症發展的上皮細胞。此外，他(tā)們還(hái)制作出了一份免疫細胞圖（圖二），其中的黃(huáng)色方塊指示的是新的免疫治療藥物對腫瘤起到治療效果。

更重要的是，人(rén)工(gōng)智能病理(lǐ)學市場的核心機遇并不在于研究環境當中，而在于建立起判斷每位癌症患者腫瘤性質的标準診斷流程并指導治療方案。但(dàn)這一市場的建立面臨着一項挑戰：即整個病理(lǐ)學基礎設施都(dōu)需要随之改變。荷蘭蘭道爾大(dà)學醫療中心計(jì)算病理(lǐ)學家Jeroen van der Laak指出，“要使用這些算法，我們必須首先将切片圖像進行數字化轉錄，但(dàn)現在大(dà)多數機構都(dōu)沒有相(xiàng)關的處理(lǐ)設施。”

雖然不少病理(lǐ)學實驗室目前都(dōu)會爲載玻片樣本制作數字拷貝，從(cóng)而進行歸檔或事(shì)後研究，但(dàn)隻有少數早期采用者（主要在歐洲）會進行預先掃描以引入診斷過程。由于這項技術成本昂貴，因此醫院在引入自(zì)動化全切片成像設備方面進展非常緩慢(màn)：掃描價的價格高達25萬美元，另外存儲億級像素高清圖像文件也會帶來(lái)額外的資源成本。

然而，俄亥俄州立大(dà)學綜合癌症中心數字病理(lǐ)學負責人(rén)Anil Parwani堅持認爲這項投資将物有所值。該中心是全美唯一一家将切片數字掃描作爲常規診斷工(gōng)作流程的機構。Parwani解釋稱，由于醫師(shī)工(gōng)作效率的提高以及診斷錯誤的減少，該醫院引入的全數字平台有望在五年(nián)之内收回成本。此外，數字化切片還(hái)能夠實現在線文件共享，而無需寄送實體(tǐ)切片進行遠(yuǎn)程診斷或收集參考意見。Parwani指出，“這使得(de)工(gōng)作流程變得(de)更爲穩定可(kě)靠。”病理(lǐ)學家們能夠立即對間隔數月的活檢影(yǐng)像進行比較，或者在差旅途中查看(kàn)病例。

PathAI是如(rú)何創立的

2000年(nián)初，Beck在布朗大(dà)學醫學院求學時開始涉足量化圖像分(fēn)析。他(tā)與病理(lǐ)學家Murray Resnick合作，共同開發出了一款計(jì)算機程序，用于評估食道細胞的大(dà)小、形狀及其它特征，從(cóng)而确定患者罹患食道癌的風(fēng)險。雖然并不屬于深度學習算法，但(dàn)由此激發的量化醫學興趣促使他(tā)選擇了斯坦福大(dà)學，并在AI科(kē)學家Daphne Koller的實驗室中攻讀(dú)病理(lǐ)學博士學位。他(tā)的研究最終成就(jiù)了Computational Pathlogist（簡稱C－Path）系統的誕生(shēng)，這是一款相(xiàng)當原始的機器學習工(gōng)具，用于評估乳腺腫瘤的嚴重程度。2011年(nián)，該小組公布了研究結果，這也成爲人(rén)工(gōng)智能在病理(lǐ)學領域中的首批應用之一。

Koller回憶道，那時候“還(hái)沒人(rén)采用這種廣泛的數據驅動方法解決這類問題。”在之前的自(zì)動化組織分(fēn)析嘗試當中，研究人(rén)員一般會告知程序要尋找哪些特征——Beck與Resnick采取的都(dōu)是這種方法。五年(nián)之前他(tā)們在食道癌研究中就(jiù)做過類似的工(gōng)作。通過C－Path，Beck爲他(tā)的算法提供了數百項特征，涵蓋幾乎每一項他(tā)能夠想到并可(kě)以檢測得(de)出的特征。至于剩下的工(gōng)作，就(jiù)交給計(jì)算機代碼處理(lǐ)了。

借助C－Path，Beck發現乳腺癌疾病最具可(kě)預測性的特征不在于腫瘤細胞本身(shēn)，而在于周邊位置——人(rén)類病理(lǐ)學家很少會以這樣的方式做出判斷。Van de Rijn指出，“這絕對是個驚人(rén)的發現，甚至有可(kě)能帶來(lái)新的病理(lǐ)學解釋方法。”

結束了在斯坦福的求學經曆，Beck回到美國(guó)東部，在哈佛醫學院附屬的貝斯以色列女(nǚ)執事(shì)醫療中心創辦了自(zì)己的研究小組。在這裡(lǐ)，他(tā)退出了機器學習研究，開始關注癌症流行病學。但(dàn)在2015年(nián)，由荷蘭研究人(rén)員發起的一場國(guó)際競賽又讓他(tā)重新投身(shēn)于利用人(rén)工(gōng)智能颠覆世界的嘗試。

在這次競賽中，Beck的團隊設計(jì)出一套兩步式驗證系統，旨在确保人(rén)工(gōng)智能最初标記爲“健康”的所有組織塊都(dōu)确實不存在癌變迹象。在确定載玻片是否包含腫瘤細胞以及确定癌組織在較大(dà)組織樣本中的位置方面，其算法甚至在一定程度上超過了專業病理(lǐ)學家的水平。借此，Beck的團隊最終擊敗了其他(tā)22支隊伍，在這場競賽當中拔得(de)頭籌。

Beck表示，這次經曆讓他(tā)獲得(de)了建立初創企業的信心。2017年(nián)1月，他(tā)辭去(qù)了哈佛大(dà)學的終身(shēn)職位，創建了PathAI公司。

三大(dà)決策支持工(gōng)具

目前，PathAI公司正在開發三種類型的決策支持工(gōng)具：

第一，是用于處理(lǐ)病理(lǐ)學家們最討(tǎo)厭(yàn)的重複性工(gōng)作的工(gōng)具，例如(rú)識别淋巴結中的轉移迹象以及是否存在癌細胞等簡單測定。這類工(gōng)作并不困難，但(dàn)卻極爲耗時而且會給人(rén)類專家帶來(lái)巨大(dà)的負擔；

第二，是涉及确定癌症的“等級”的工(gōng)具。約翰霍普金斯大(dà)學的病理(lǐ)學家Johnathan Epstein指出，這種關于腫瘤侵襲性的判斷“非常困難，充滿主觀性，同時也在治療當中發揮着至關重要的作用。”PathAI公司顧問兼泌尿外科(kē)癌症專家Epstein正在努力訓練可(kě)用于診斷前列腺及其它器官腫瘤的算法；

第三，是生(shēng)物标志物檢測工(gōng)具。制藥企業可(kě)以借此了解哪些患者群體(tǐ)能夠從(cóng)自(zì)己的藥物中受益。如(rú)果在臨床試驗當中得(de)到驗證，那麽這些算法将能夠幫助醫生(shēng)爲患者提供個性化用藥建議(yì)。

截至目前，PathAI公司已經測試了其軟件在肺部、膀胱癌、皮膚癌、前列腺癌、乳腺癌、結腸癌以及胃癌方面的表現。Beck總結稱，“這套平台非常易于遷移，也正因爲如(rú)此，我們才能利用其處理(lǐ)幾乎所有主要腫瘤疾病。随着新項目與新指标的不斷引入，其表現也在持續提升。”

對于人(rén)工(gōng)智能能否最終超越并徹底取代人(rén)類病理(lǐ)學家這樣的問題，Beck強調稱：雖然機器學習确實能夠在特定診斷任務當中發揮重要的輔助作用，但(dàn)爲病人(rén)找到最佳治療方法仍然需要多種類型臨床信息的配合，包括細胞染色、蛋白(bái)質注釋、基因概括以及電子健康記錄等等。隻有将這些信息進行認真篩選與組合，才能制定出明确的診斷與治療計(jì)劃。這種綜合能力正是人(rén)類病理(lǐ)學家的價值所在。Beck認爲，“人(rén)工(gōng)智能本身(shēn)并不足以解決這個問題。”

（免責聲明：本網站(zhàn)内容主要來(lái)自(zì)原創、合作媒體(tǐ)供稿和第三方自(zì)媒體(tǐ)作者投稿，凡在本網站(zhàn)出現的信息，均僅供參考。本網站(zhàn)将盡力确保所提供信息的準确性及可(kě)靠性，但(dàn)不保證有關資料的準确性及可(kě)靠性，讀(dú)者在使用前請進一步核實，并對任何自(zì)主決定的行爲負責。本網站(zhàn)對有關資料所引緻的錯誤、不确或遺漏，概不負任何法律責任。任何單位或個人(rén)認爲本網站(zhàn)中的網頁或鏈接内容可(kě)能涉嫌侵犯其知識産權或存在不實内容時，應及時向本網站(zhàn)提出書(shū)面權利通知或不實情況說(shuō)明，并提供身(shēn)份證明、權屬證明及詳細侵權或不實情況證明。本網站(zhàn)在收到上述法律文件後，将會依法盡快(kuài)聯系相(xiàng)關文章(zhāng)源頭核實，溝通删除相(xiàng)關内容或斷開相(xiàng)關鏈接。 ）