“AI+病理”仍是藍海，大規(guī)模癌癥初篩是趨勢
“病人對應病理醫(yī)生的比例，中美之間的對比是20：1�！焙贾莸嫌⒓涌萍加邢薰荆ㄏ路Q“迪英加”）創(chuàng)始人兼CEO楊林告訴億歐大健康，比如國內的病理醫(yī)生每天要看一兩百張切片，而美國的病理醫(yī)生只要看二三十張就夠了。
迪英加成立于2017年，是一家提供基于AI處理病理圖像（癌癥診斷和分級）、輔助醫(yī)生病理診斷服務的公司。其總部在杭州，也在上海、美國設有分公司，業(yè)務范圍面向全球。今年6月，它剛獲得超億元的B輪融資。
重復性工作、量多人少、效率較低是病理診斷的痛點。AI技術，特別是具有深度學習支撐的AI或讓病理檢查變得更智能也更簡單：AI以迅速、標準化的方式處理數字化的病理切片，對病理切片進行自動勾畫、識別，并以結構化的語言提出輔助診斷的建議。
楊林表示：“AI先做初篩，只把它判斷不了的疑難病例交給醫(yī)生看，這樣可以有效的降低醫(yī)生的閱片量，同時提升診斷的精確度�！闭强吹搅薃I在病理領域的應用前景，以及將學有所長落地的強烈信念，2017年楊林決定辭去美國佛羅里達大學生物醫(yī)藥工程系終身教授和博導的職位，與美國羅格斯大學工業(yè)工程系副教授、生物醫(yī)學工程系和計算機系博士生導師以及新澤西醫(yī)學院兼職教授李康博士共同創(chuàng)立了迪英加，開啟從學界到產業(yè)的創(chuàng)業(yè)之路。
兩位創(chuàng)始人在計算機視覺、深度學習和數字病理方向研究超過15年，其中楊林師從多位計算機視覺和病理學領域的世界級大師，包括數字病理學奠基人之一的David Foran、魯棒性計算機視覺領域“教父級”的導師Peter Meer，以及生物信息學創(chuàng)始人美國科學院院士Casimir Kulikowski等。而迪英加背后的研發(fā)團隊成員超1／3擁有海外博士學位，且多數擁有多個專業(yè)背景。
迪英加融資的腳步跑在國內同賽道企業(yè)的前面。據悉，目前國內專注AI病理的相關企業(yè)最快也只進行到了A輪。據楊林透露，迪英加將于今年年底或明年年初開啟新一輪C輪次的融資。
AI落腳“病理”
AI在病理診斷中的應用主要包括：收集數據并標注，AI模型充分學習并對樣本進行識別分析，輸出輔助判讀結果。其中在數據標注環(huán)節(jié)，需要病理專家進行高質量的標注，而AI模型會先高效區(qū)分陽性細胞密度較高的樣本并進行精準識別。此外，AI還需選取一些可疑的局部切片給病理醫(yī)生，做最后的復閱診斷。
針對以上整個過程，迪英加開發(fā)了軟硬一體化的D－Path系列產品組合、建設AI病理的整套方案。該方案包含了提供高壓縮比例云存儲解決方案的病理星球（D－PathPlanet）、高通量病理輔助診斷系統(tǒng)D－PathAI、國內首款智能顯微鏡智睫（D＿CleverEye）等。
據楊林介紹，病理星球主打大數據核心存儲，主要存儲數字病理切片。目前該平臺共有90萬例（一個病人為一例）病理樣本，其中樣本的數據標注主要由國內三級甲等醫(yī)院的病理醫(yī)生負責。“迪英加建立了嚴格的訓練／測試數據質控流程，三個醫(yī)生同時對一個病理切片進行診斷，如果三個醫(yī)生同樣判斷為癌癥，則標注為’癌癥’。只要其中有一位不贊成，該切片就會被送至我們聘請的專家委員進行二次投票表決�！�
有了標注好的樣本，接下來就是AI模型對病灶的識別和分析，此時算法是核心。傳統(tǒng)用深度學習算法多數是剪切切片，預測單張圖塊的腫瘤情況，但忽視周邊區(qū)域會讓結果產生較大誤差。
迪英加的D－PathAI輔助診斷系統(tǒng)可對病理圖像進行自動檢測－識別－分割－判讀：先對全場圖像建立金字塔結構，然后對不同層級進行判讀并充分考慮背景信息，模擬病理醫(yī)生多尺度觀察腫瘤區(qū)域的實際操作。據其官網介紹，其算法5s內能處理1億像素，1分鐘內即可完成分析15×15mm的細胞涂片／組織切片；該AI算法魯棒性強（魯棒性是指控制系統(tǒng)在一定參數攝動下維持某些性能的特性），能精準獲取細胞定位等。
以宮頸細胞圖片為例，配合高通量全場數字切片掃描儀，迪英加開發(fā)的D－PathAI能在5－10秒內自動完成宮頸細胞學初篩，系統(tǒng)判讀的準確率可以達到95％以上。楊林表示，該平臺的敏感性大部分都在99．5％以上，特異性基本上約80％左右。
迪英加推出的智睫系統(tǒng) D－CleverEye能實時讀取顯微鏡下的視野，根據其公開資料，該系統(tǒng)通過AI算法進行分析，迅速給出提示，幾乎無延遲。此外，迪英加還推出了遠程病理互聯系統(tǒng)D－PathConnect，幫助病理醫(yī)生突破地域限制，進行分級診療。
整體化方案筑起競爭壁壘
談及迪英加的優(yōu)勢，楊林認為其產品矩陣為下一代數字化病理科提供了一整套的解決方案，在通用性和齊全性上有較高的競爭壁壘。
首先在通用性上，迪英加目前的產品有較廣泛的適用性。比如D－CleverEye能兼容市面上幾乎所有硬件廠商（病理產業(yè)鏈上游企業(yè)）的產品，比如國外萊卡生物、濱松光子學和國內的江豐生物、麥克奧迪醫(yī)療等全切片成像系統(tǒng)／設備。
其次在齊全性上，迪英加以D－PathAI人工智能病理輔助診斷系統(tǒng)為核心，其產品覆蓋了細胞病理、組織病理、分子病理和免疫組化四大模塊內容。“這四大模塊涵蓋了病理科所有可能遇到的500多種不同的癌癥檢測，免疫組化和分子病理也將是我們未來發(fā)展的重點。 ”楊林解釋道。
其中迪英加在細胞病理方向開發(fā)了20余個智能分析模塊，可協(xié)助診斷胃癌、肺癌、膀胱癌、乳腺癌、腎癌、前列腺癌等癌癥分型。在分子病理方面，迪英加能運用人工智能對探頭液樣品、血細胞以及像宮頸切片等進行判讀。相比之下，國外同賽道企業(yè)AIPath和Paige AI約有十幾個模塊，目前也主要側重于1－2個癌種的AI病理檢測，比如乳腺癌。
豐富的模塊成為迪英加撬動商業(yè)化的有力觸角。自去年10月底，該公司的一系列產品如智能顯微鏡、各種款式掃描儀、病理診斷圖像處理軟件、病理科信息系統(tǒng)和遠程會診系統(tǒng)等軟硬件產品在2019年10月陸續(xù)獲得國家藥品監(jiān)督管理局（NMPA）批準上市，目前迪英加的產品已經進入158家醫(yī)療機構，其中80％是醫(yī)院。
據楊林介紹，迪英加將只針對醫(yī)院采取模塊化銷售的方式：醫(yī)院病理科可以選擇購買最適合自己的模塊，并能在未來擴充模塊�！敖衲昴芨采w到300家醫(yī)院，明年能夠覆蓋到500－1000家以上的醫(yī)院�！�
另外，很多客戶能夠在迪英加這里找到了一些偏小眾化癌種的模塊。楊林舉了個例子：“有一家藥廠來找我們看能否做做神經內分泌瘤的病理診斷，這是一個相對比較罕見的癌種，結果客戶發(fā)現迪英加確實已經有開發(fā)完成的神經內分泌瘤的分析模塊。”此外，迪英加還支持為用戶提供一些定制化服務，比如不僅做簡單的良性篩查，還能做腫瘤的分級和分型。
目前國內還沒有一個AI輔助診斷的方案獲批。迪英加正在積極探索申報病理AI診斷第Ⅲ類醫(yī)療器械注冊證，楊林推測將在未來2－3年內獲批。
為了第Ⅲ醫(yī)療器械注冊證前瞻性的審查以及避免醫(yī)源性風險，需要證明AI決策流程的可解釋性。為此，2019年，迪英加科技CEO楊林所率領的團隊在《Nature Machine Intelligence》上發(fā)布了名為《Pathologist－level Interpretable Whole－slide Cancer Diagnosis with Deep Learning》的論文，提出了一項用于AI病理診斷解釋的方案。
這次實驗的每個步驟都可由AI提供決策依據，通過將醫(yī)生的推理步驟模塊化，從而模擬推理的過程。這是全球首篇發(fā)表在自然子刊上的關于討論病理圖像分析中的人工智能可解釋性問題的專著。
百億市場風口，AI病理有機會也有挑戰(zhàn)
2020年世界病理學大會報告顯示，預計到2024年，病理學市場規(guī)模將從2019年的303億美元達到444億美元，從2019年到2024年的復合年增長率為6．1％。具體到國內，據西部證券的預測，目前我國病理行業(yè)的潛在市場超 300億元，其中細胞病理宮頸癌篩查潛在市場超200億。
早在幾年前，該賽道可觀的市場潛力吸引了資本的注意，近幾年它們占領標的企業(yè)的動作愈發(fā)頻繁。2017－2020年，3年間已有近40起融資事件，且有逐年遞增的走向。目前，AI病理國外企業(yè)融資最快的已到B＋輪。
資本對AI病理賽道的加持，不僅是看到了數字化病理的“藍海”機會，也看到了它在新藥研發(fā)領域的想象空間。
借助AI在病理上的應用，研究人員能迅速精確地獲取一段時間內切片的病變細胞數量、程度的數目及變化情況，觀察出臨床實驗中的新藥對病灶產生的影響。接下來，研究人員甚至能利用AI觀察動物受藥后的組織細胞變化狀況用以指導藥物研發(fā)。據楊林介紹，迪英加和阿斯利康中國在PD－L1人工智能檢測的研發(fā)上已經展開了深度的合作。
另外，AI病理還能拓展到一些癌癥的早篩項目中，比如乳腺癌、宮頸癌。
即便充滿機會，但不可忽視的是AI病理創(chuàng)業(yè)門檻頗高。首先它需要交叉學科背景，從迪英加的團隊上就能看出這一點。楊林介紹，迪英加的團隊基本上都是跨專業(yè)的復合人才�！安粌H是懂計算機，你還要去懂生物和醫(yī)學，特別是病理�！�
其次，和CT／X光影像數據相比，病理數據本來就少。國內的數據庫更加不公開，多數存在“數據孤島”的現象，大部分醫(yī)療數據存儲于醫(yī)院以及第三方檢驗機構，并且信息安全共享機制欠缺。另外，海量標準化數據積累下的算法也是AI病理診斷的關鍵一環(huán)。未來，誰有海量的數據以及更精進、魯棒性更好的算法，誰就可能最早抵達“最后一公里”的終點。
相對于影像檢查的自動化，病理檢查就顯得有些古老，目前病理診斷的全程還主要依靠顯微鏡下人眼的觀察。在腫瘤診斷上，臨床醫(yī)生對于患者做出的治療措施，80％受病理學報告的影響。因此，病理醫(yī)生也被稱作臨床診斷中“說最后一句話的人”同時也被稱為“醫(yī)生的醫(yī)生”。
談及AI病理是否會替代病理醫(yī)生，楊林表示否定。“我不認為（AI病理）最終是要去取代病理醫(yī)生。醫(yī)療的所有產品都是醫(yī)生的工具，提高工作效率和準確率，輔助做出判斷，更好地為廣大的癌癥患者提供更優(yōu)良和精準的服務。”
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
圖片新聞
