[中國,廣州,2019年6月11日] 金域醫學與華為云在2019中國生物產業大會上聯合宣布,雙方在人工智能(AI)輔助病理診斷應用開發方面取得突破性進展。金域醫學病理專家團隊與華為云AI團隊合作,首次基于病理形態學,通過深度學習技術,訓練出精準、高效的AI輔助宮頸癌篩查模型。該模型在排陰率高于60%的基礎上,陰性片判讀的正確率高于99%,同時,陽性病變的檢出率超過99.9%。這是目前國際上已公布的AI輔助宮頸癌篩查的最高水平。通常情況下,細胞病理醫生鏡下閱讀宮頸細胞涂片,平均每例要花費6分鐘,而AI識別僅需36秒,通過AI輔助宮頸癌篩查模型判讀速度是人工判讀的10倍。
金域醫學與華為云聯合宣布雙方在AI輔助病理診斷應用開發方面取得突破性進展
AI輔助宮頸癌篩查取階段性重大突破
病理形態學診斷被醫學界公認為疾病診斷的“金標準”。目前,我國宮頸癌篩查的適齡婦女人群超過3.5億人,即使以3-5年進行一次篩查的標準來衡量,篩查水平仍然遠遠未能達到要求。除了觀念普及程度有所欠缺之外,更重要原因是細胞病理醫生的稀缺,處理樣本的能力遇到瓶頸,從而制約宮頸癌篩查進一步推廣。
2018年,金域醫學與華為簽署合作協議,在人工智能領域開展合作。此次金域與華為云的合作主要集中在AI輔助宮頸癌篩查模型的開發。據金域醫學病理中心主任羅丕福博士介紹,本次開發基于金域歷年4350萬例宮頸細胞學篩查樣本,從中挑選出近20萬個圖像塊,進行精準標注和AI輔助篩查模型訓練。目前已用超過20000例樣本數據的驗證集,對該AI模型進行了驗證。驗證結果表明,該模型的排陰率為61.9%,減少醫生人工讀片工作量。陰性片判讀的正確率高于99%,陽性病變的檢出率超過99.9%,全力確保不漏診,避免假陰性。
強強聯合,硬實力支撐AI模型開發
取得如此重大的突破,金域醫學和華為云的專業知識、樣本數據、AI技術與算力等要素不可或缺。
金域醫學作為全國領先的第三方醫學檢驗機構,截至2018年,金域宮頸病變檢測中心累計收到來自全國31個省市區的宮頸癌篩查樣本超過4350萬例。“此次采用的訓練集和驗證集,規模是行業平均水平的數倍以上,極大地保障了結果的可靠率,”羅丕福博士說。
此外,金域的病理醫生優勢也發揮了關鍵作用。目前,金域有全職病理醫生近500名,其中從事細胞病理學的醫生近300名。此次,金域投入了多位病理專家全職負責審閱與標注工作,以2人一組的模式進行互相驗證,相當于由病理專家“手把手”向AI模型傳授病理診斷知識。
在AI技術支持方面,華為云一站式AI開發平臺ModelArts,從標注、訓練模型、圖片判斷、推理等方面為AI模型的訓練和應用提供了堅實的基礎。在標注階段,借助華為云ModelArts對已經上傳到云端的海量圖像塊進行半自動化標注,大大節省了病理醫生標注的時間和精力。在算法層面,華為云不斷迭代起來的人工智能算法在模型精度和速度上都達到了業界領先的水平。近期,華為云AI 醫療團隊投入重兵聚焦解決醫療領域的重大技術難題,且已經在肺結節檢測比賽LUNA-2016、超聲測量比賽HC-2018、腦中風分割比賽ISLES-2018 等多個醫療領域的頂尖賽事上達到業界領先水平。
華為云一站式AI開發平臺ModelArts提供AI技術支持
華為云EI服務產品部總經理賈永利表示:“深度學習技術的發展,使得AI輔助病理識別成為可能,而華為云強大的算法、算力和一站式AI開發平臺,結合金域的大規模樣本和病理學專家豐富經驗,最終使AI達到了病理專家‘助手’水平。此次重大突破,正是AI與專家經驗場景有效結合的證明。未來,華為云AI將努力讓AI服務觸及每一位開發者、企業,共同推進行業智能化升級。”
效率大幅提升 未來AI輔助篩查應用可期
若該成果得以落地應用,預期可使病理醫生進行單次細胞學檢查的工作量減少超過60%,篩查效率大幅提升。通常情況下,細胞病理醫生鏡下閱讀宮頸細胞涂片,平均每例需要花費6分鐘,而目前AI識別僅需36秒,未來還有進一步提升空間。
與此同時,通過與AI提示的結果進行比對與相互印證,醫生可以更方便、更準確地作出判讀,對宮頸細胞學檢查的質量控制以及病理專業學生的培訓均能帶來有效幫助。未來一旦AI輔助宮頸癌篩查得到推廣,可大幅提升宮頸癌篩查服務覆蓋的人群范圍與服務頻率,使對適齡婦女人群的篩查質量趨近發達國家的水平,促進宮頸癌早篩早治。
金域醫學首席信息官李映華表示,接下來,金域和華為云將繼續投入更多樣本數據,對AI模型進行大規模驗證,同時進行更多的專業標注以改善模型,在保證敏感性的前提下使其特異性不斷提升。“我們也將提高模型的可靠性,使其可以適應更大范圍的試劑耗材與制片水平,將AI輔助篩查的應用范圍推廣到更貼近基層醫療水平的場景。”
本次成果也為AI在醫療領域中更廣泛的應用場景打下了堅實基礎。除質譜分析、基因測序、分子病理以外,金域醫學與華為云還將在其他病理AI的場景中尋求新的合作方向,如在消化道疾病、腎臟病、血液病、罕見病等亞專科場景,探索更多應用可能。