当前，医疗AI在全球蓬勃发展。医疗AI指的是人工智能技术应用于医疗各个环节，有效挖掘和利用医疗数据资源，以提升整体医疗效率。人工智能与医疗的结合点非常多，辅助诊疗是其中之一。近年来，已经出现了很多AI影像辅助诊断产品，并有已获批国家三类证的产品。
在医疗影像领域，病理图像是临床诊断的“金标准”，MRI、CT、B超等影像判读的正确与否要参考病理诊断的结果。然而不论是中国还是日本，病理医生都相当缺乏，并且各区域间存在较严重的诊疗水平不均衡现象。或许，病理诊断是最需要智能化的专业之一。但是，据说其智能化难度也是最大的。
日本电信巨头NTT、日本北海道大学以及调和技研公司三家联手，从去年开始，共同开展脑肿瘤AI辅助诊断的病理图像分析的研究。通过AI对病理图像数据进行诊断，旨在减轻医生的负担，实现高度医疗。
▎辅助病理医生进行诊断的AI病理图像分析
为何开展这项共同研究？据说，这源于NTT执行董事、北海道事业部长阿部隆先生和北海道大学田中信哉教授的一次闲谈。在阿部先生谈到NTT的AI业务时，田中教授提到北海道大学也在着手进行AI的病理诊断。于是，话题自然过渡到了如何有效利用NTT的“SmartInnovationlab北海道”。
在具体推进项目的过程中，为了能够安全使用网络和GPU服务器，并且在研究过程中实现支援自给，精通AI的风投企业“调和技研”也参与了进来。最终，形成了三家联合、共同研究的局面，NTT负责服务器、网络的提供和进度管理等，北海道大学负责病理诊断和AI算法的研究与制定，调和技研负责AI的引进、安装及技术支持。
对于使用AI进行脑肿瘤的病理分析的有效性，北海道大学的石田先生这样说道：
“使用显微镜观察患者的病变组织，判断肿瘤的性质，这就是肿瘤的病理诊断。但是，脑肿瘤的病例有限，在脑肿瘤诊断方面具有丰富经验的病理医生很少。另一方面，脑肿瘤在颅骨的包围中，不容易受其他现象的影响。所以，这是一个比较适合AI诊断的领域。”
脑肿瘤主要分为三类：脑内原发的神经系统肿瘤、由肺癌或乳腺癌转移而来的转移瘤，以及淋巴结或骨髓等的血液系统肿瘤。三种类型脑瘤的治疗方法也各不相同。对它们进行区分是病理医生的职责，但即使是经验丰富的医生也常会出现判断不准的情况。AI病理图像分析正是要帮助这些病理医生做出判断。
“我们刚开始做研究的时候，用的是攒的服务器，花了很长时间进行机器学习。而‘北海道智能创新实验室’非常稳定，处理速度也很快。专业的服务器，可以让我们的研究加速。”（北海道大学石田教授）
但是，并非所有的病例都适合让AI学习，哪些适合、哪些不适合，要做出这个判断并不容易。此外，病理图像的制作，需要使用染色液对组织进行染色，这是人工操作。可以说使用场景上，还需要像石田教授这样的医生们的大量经验。
调和技研则根据北海道大学收集的病理图像和制定出的AI算法，在设法提高AI精度。
“调和技研运用AI在开展各种工作，但由于我们是一家小公司，条件有限。这次能够利用非常丰富的环境条件，我觉得我们也可以对研究做出贡献。虽然医疗方面的知识欠缺，但我们希望以自己的方式，在影像的预处理、筛选等方面提供支持。”（调和技研山形先生）
▎目标是诊断7种类型的脑瘤
共同研究始于年5月，至今已一年有余。据说，目前通过病理图像，“恶性淋巴瘤”和“恶性肉芽肿”这两种肿瘤的识别率达到了95%左右。
“当然，今后还必须增加病理图像的数据，开展验证，并进一步深化推论。最终希望能够对“恶性淋巴瘤”、“少突胶质瘤（2级）”、“星形细胞瘤（2级）”、“间变性少突胶质瘤（3级）”、“间变性星形细胞瘤（3级）”、“恶性肉芽肿（4级）”、“转移性肿瘤”这7种分类进行分析。为此，目前我们正在推进AI学习“（NTT镰仓先生）
之所以分为7类，是因为各自的治疗方法和治疗方针不同。设想的是这样一种使用场景，通过AI影像分析来辅助病理诊断，由病理医生做最终诊断。
“有些类别看起来很相似，难以进行分类，它们的平均准确度在70%左右。为了达到实用的准确度，我们也必须理解各种肿瘤的特征，并将其反映到AI的制作上。这次的共同研究汇集了各个领域的专家，但反过来，大家在彼此的领域却又都是外行。在项目的管理、对接、社会性事务的应对等方面，NTT做了很多工作。”（调和技研山形先生）
▎减少患者的病痛、减轻病理医生的负担
提高AI病理图像分析的准确度，构建适用于脑肿瘤病理诊断的高度病理辅助诊断系统，是该项目的目标。三家机构今后还将进一步提高图像分析的精度，同时医院及检查机构等的支持下，谋求进一步发展。
AI辅助诊断系统要解决的实际上就是医疗资源缺乏的问题。通过AI辅助诊断，医院和医生，助力解决诊疗水平不均衡的问题，减轻病理医生的负担，帮助到更多的患者，这便是医疗人工智能的意义所在。其实，中国也已经有一些企业推出了AI辅助病理诊断系统，期待不久的将来，中日两国都呈现出一个高度智能化的精彩病理世界。
参考资料：