本文由CIAPH根据刘琦女士在CIAPH医药研发数字化“走进华大基因”会议演讲整理

CIAPH（中国医药健康产业信息化联盟）于今年11月举办的医药研发数字化会议，旨在增加医药健康行业之间的自由交流与互助。其中，深圳站之“走进华大基因”活动，国内外知名医药健康企业负责人、CIO、研发、质量总监等参加了会议，交流话题丰富，贴近医药科技前沿。

会上，罗氏诊断IT业务伙伴刘琦，以“AI针对病理的探索和应用”为主题，做了精彩的演讲，就当前医药研发领域最热门的AI应用话题，进行了阐述。

罗氏诊断 IT业务伙伴刘琦

一、什么是AI

1、对AI的常见理解

虽然“AI”一词，在人们的生活中出现的频次越来越高，然而，对于AI真正意义的把握，却是深浅不一的：如果将AI直观的等同于机器人，这是最浅显的理解；如果认为AI是靠巨量数据来“喂养”的怪兽，这是比较深入一些的认知了。

2、当前AI的探索性应用场景

“不管人们的理解程度怎么样，就现阶段而言，AI在我们的生活中无处不在”，刘琦指出，“比如，在百度、Google、YouTube等任何搜索引擎里，输入一个关键词时，搜索引擎就会根据你以往的喜好和搜索历史，关联出与该关键词相关的多种消息；再比如，现如今热度非常高的今日头条，其最大的优势在于，能够根据个人的喜好，配置和推送精准的消息。这些日常的场景，就是数据智能的典型例子”。

除了数据智能场景，AI的另一个重要方向，是图形图像识别，比如物体、人脸识别等。有一个很典型的应用例子，就是Google利用大量眼底影影像数据做早期糖尿病筛查检测，其准确率能高达90%以上。目前，很多技术型企业，在图像识别方面，积极探索AI的优势。

当前，AI的第三个应用应用方向，主要集中在自然语言处理领域。在语言处理、语义解析技术取得突破以后，AI的应用越来越广泛，比如，IPhone Siri语音助手、智能音箱等。最值得一提的是，智能客服的应用，因为能大大降低人力成本、准确处理大量重复性业务。

3、人工智能的快速发展及内在因素

人工智能并不是一个全新领域，最早的概念是在上世纪50年代提出，通过图灵测试来判断是否人工智能，一直到应用在非结构化数据处理的的deep learning。

人工智能之所在近两年出现爆发式增长，究其原因主要在于其独特的三要素：数据、算力和算法。

数据：属于信息化和互联网的红利，企业在信息化过程中，重新梳理业务流程，尽可能将业务数据化并上云，并且持续的实时的上传，因此，形成了巨量数据并成为分析和运用的基础。

算力：人工智能的空前的算力，GPU、TPU能够支持对于新领域、新技术、新业务的探索，大大缩短运算周期。

算法：与传统的神经网络（Neural Network）当数据量增加时性能呈曲线上升的特性相比，大型多层的神经网络可以随数据量的增加性能呈直线型趋势，可以支持更好和更快的分析。

综上所述，人工智能本质上是在用数据来解决问题，其优势决定了应用领域的广泛性。罗氏诊断是致力于开发和提供从疾病的早期发现、预防到诊断、监测等诊断系统和解决方案，因此，对于人工智能的探索，集中在“人工智能+医疗”方面。本次演讲，主要分享AI针对病理及病理科室工作的应用。

二、AI针对于病理应用

1、AI对于病理的应用背景介绍

病理科是一个几乎不与患者直接接触的科室，但这里出具的每个结果，都可能是病人生命的分水岭，病理医生被称作医生中的医生。

病理科的工作流程是这样的：对于患者进行信息录入和样本接收之后，病理科会做“取材”、“前处理”、“包埋”、“切片”，下一步就是“常规染色”和“高级染色”，即是对特定的抗原和抗体进行着色，进而制作成一张张的切片后，病理科医生做进一步的“阅片”和“诊断”。

基于前面对于AI的简单阐述，可以看到，人工智能的应用领域非常广泛，在病理科的工作流程里，同样也可以探索运用AI及其方法，利用信息流将工作流程串起来。

2、AI在“阅片”环节的应用

在病理科的工作流程里，“阅片”是一项很有技术含量和技术难度的环节，一名病理科专家需要经历10以上的资历才能够有签发报告的资格。同时和其他学科一样，它有其固有的主、客观的局限性。疾病在不同年龄、性别的病人甚至是同一个病人身上的不同部位都是千变万化的，有些复杂病例在当时可能得不出明确诊断，需要多个专家的会诊能到共识，而中国的病理科医生的缺口在10万以上。

综上，我们可以看到病理科医生的重要价值，及其在日常工作中遇到的挑战：

定位：实际的诊断中，中国病理医生能够花在每个病例上的时间远远低于欧美国家，病理医生需要在极短时间内在切片上定位病灶区域，而每张切片转成数字化的大小都是1G以上。

定量：因为每张切片都很大，医生不可能对全片做一个定量评估，通常是选取一些视野，对染色细胞比例做预估，比如Ki67就是选定几个视野来计算染色细胞的比例。而在现在最热门的伴随诊断中，定量更是对预后有着重要指导意义。不仅要定量免疫细胞，还需要评估出癌细胞出现比率，如果在短时间内给出准确有效的结果对病理医生都是极大的挑战。

基于以上背景，以及国内受培训病理科医生的奇缺现状，罗氏诊断在探索“人工智能+医疗”时，对于“阅片”这一高价值、高难度的工作流程，率先展开探索。

3、乳腺癌AI项目

针对病理科的这些痛点，我们从乳腺癌入手，与国内顶尖的专家合作，开展了第一个AI图像识别的项目。基于上千张的病理切片，经过数据训练和验证，最终得到的模型在该项目中的准确率可以达到90%以上。

项目回顾：

AI确实能够提高病理诊断的准确性和效率，对于病理科医生的工作带来比较高的价值。

不会取代病例医生，却能提高病理科医生的整体水平。

与现有产品紧密结合，对于当前的很多产品赋加更多的价值。

基于平台的更多商业模式，通过该项目生成的平台，延伸应用到图片制备、标注、培训验证、预测，并生成相应的工具。

今后，这个为病理AI打造的平台可以服务和应用在各种不用场景，用定制化的服务来满足不同的需求：让不会编程的病理医生能够独立进行AI辅助病理诊断的科研，发现新的医学价值；让参与药效分析和毒性评价的病理研究人员能够高效建立用于辅助分析的各种病理图像的量化分析模型，提升工作效率；让需要病理分析的各种机构能够充分发挥自己的数据和应用优势，建立起更加标注化、一致性更好的计算机辅助分析工具，提升差异化竞争能力。

4、扩展场景一：病理人工智能在基因检测中的应用

虽然病理在基因测序中也有着重要的指控作用，实际情况是大部分基因测序公司都不会自己配备全职的病理医生。切片数量不足或肿瘤比例太低，都会使DNA抽提量太低，导致结果不可靠。AI病理可以作为一个初筛工具，自动计算组织面积来建议所需切片数量，或者自动识别肿瘤区域，来建议富集方案，最终提高基因检测的准确率，节省费用。

5、扩展场景二：病理人工智能在制药和CRO领域的应用

病理诊断在新药研发流程中也会在很多环节中用到，比如说动物实验，毒性病理，和临床实验等。药企大部分的病理检测部分会外包给CRO公司。而CRO公司最终给到甲方的结果，主要以切片+物理报告的形式呈现的。然而，结果背后的流程控制、质量控制、过程检测是无法监控和验证的。

而AI则可以在这个过程中体现出提供更多价值：

病理分析量化：将研究区域ROI准确量化评价（如数量、密度、面积、染色强度、比例、蛋白表达强度、基因扩增的强度）。

病理分析可视化：将研究区域ROI（出血、钙化、坏死、萎缩、特异性染色、非特异性染色等）高亮框选出来，方便病理研究人员准确评价。

病理分析数字化：数字病理图像（扫片）、在线存取、读片、协同工作、权限管理、流程管理等。

综述，AI是未来企业的生产力，类似于过去互联网对于社会带来的巨大变化，其作用是无处不在的，并在不断试错的过程中提高价值。相信不远的将来，围绕着AI 的应用，将会形成全新的产业生态，而这个生态的打造，因为其极其广泛的外延，则需要众多力量的协同合作（内部+外部）。