企業(yè)稱此次合作“是腫瘤學(xué)歷史上的一個(gè)里程碑”。與其他AI醫(yī)學(xué)診療相比，AI醫(yī)學(xué)圖像診斷發(fā)展相對(duì)較快，近年不乏技術(shù)突破
近日，Paige宣布與微軟合作，為計(jì)算病理學(xué)和腫瘤學(xué)建立世界上最大的基于圖像的AI（人工智能）模型。
Paige成立于2017年，是一家AI診斷公司，目前是唯一擁有美國(guó)FDA（食品藥品監(jiān)督管理局）AI病理學(xué)營(yíng)銷授權(quán)的企業(yè)。2019年3月，它開發(fā)的一個(gè)AI癌癥診斷平臺(tái)獲得FDA“突破性設(shè)備”認(rèn)證，當(dāng)時(shí)也是FDA首次批準(zhǔn)AI用于癌癥診斷。Paige介紹，這個(gè)模型使用來自50萬張病理切片的10多億張圖像開發(fā)，圖像主要由斯隆凱特琳癌癥紀(jì)念中心獨(dú)家授權(quán)。另外，Paige已針對(duì)前列腺癌和乳腺癌分別開發(fā)出了一套全面的AI檢測(cè)程序，在多家醫(yī)院、病理學(xué)實(shí)驗(yàn)室應(yīng)用。
據(jù)Paige官網(wǎng)通稿，此次與微軟合作開發(fā)的新的人工智能模型，“比目前任何其他基于圖像的人工智能模型都要大幾個(gè)數(shù)量級(jí)，配置了數(shù)十億個(gè)參數(shù)”。Paige稱參數(shù)高的大模型有助于捕捉癌癥醫(yī)學(xué)影像的復(fù)雜性，有望成為推動(dòng)腫瘤學(xué)和病理學(xué)的下一代臨床應(yīng)用和計(jì)算生物標(biāo)志物的基石。
Paige表示，正在整合多達(dá)400萬張數(shù)字化顯微鏡載玻片（即放置病理樣本，用于在顯微鏡下觀察的玻璃薄片）。這些載玻片涵蓋多種類型癌癥。Paige將利用微軟先進(jìn)的超級(jí)計(jì)算基礎(chǔ)設(shè)施對(duì)該技術(shù)進(jìn)行大規(guī)模訓(xùn)練，并最終將開發(fā)出來的AI模型推廣到全球各地的醫(yī)院和實(shí)驗(yàn)室。
“我們堅(jiān)信將顯著推進(jìn)最先進(jìn)的癌癥成像技術(shù)。”Paige.AI技術(shù)高級(jí)副總裁Razik Yousfi表示。Paige創(chuàng)始人兼首席科學(xué)官Thomas Fuchs更稱，“Paige模型與微軟的合作是腫瘤學(xué)歷史上的一個(gè)里程碑，以前所未有的規(guī)模實(shí)現(xiàn)生成式人工智能的潛力。該模型不僅將擁有更高的精度，更擁有完全新穎的功能。”
自成立以來，Paige的總?cè)谫Y額已近2億美元。此前Paige分別于2018年2月完成2500萬美元A輪融資，2019年12月完成4500萬美元B輪融資，2021年3月完成超過1.25億美元C輪融資。
病理學(xué)診斷是指對(duì)手術(shù)切下或尸體解剖取下之病理標(biāo)本，固定染色后，在顯微鏡下進(jìn)行組織學(xué)檢查，以診斷疾病。在腫瘤學(xué)領(lǐng)域，病理診斷是判斷患者有無惡性腫瘤的“金標(biāo)準(zhǔn)”。目前，已經(jīng)普遍應(yīng)用計(jì)算機(jī)及全切片數(shù)字掃描技術(shù)，將病理組織切片轉(zhuǎn)換為高分辨率的數(shù)字圖像。
近年來，計(jì)算病理學(xué)，尤其AI應(yīng)用于計(jì)算病理學(xué)的發(fā)展較快。據(jù)中國(guó)醫(yī)學(xué)科學(xué)院腫瘤醫(yī)院張勇等人2022年在《協(xié)和醫(yī)學(xué)雜志》上發(fā)表的一篇綜述，AI可以深度挖掘病理圖像的信息，自動(dòng)學(xué)習(xí)切片定量化病理特征，并與影像組學(xué)、基因組學(xué)、蛋白組學(xué)等建立一定的聯(lián)系，形成多組學(xué)交互式診斷體系。最終，AI未來或許能實(shí)現(xiàn)專業(yè)的醫(yī)學(xué)診斷。
2021年5月，哈佛大學(xué)的一個(gè)課題組曾發(fā)布一個(gè)AI癌癥病理學(xué)診斷模型，用于原發(fā)灶不明癌癥患者的診斷。所謂原發(fā)灶不明，是指由于已經(jīng)發(fā)生全身性轉(zhuǎn)移，難以找到患者最早產(chǎn)生癌變的組織器官所在。經(jīng)過訓(xùn)練，僅根據(jù)病理學(xué)圖像，這個(gè)模型能準(zhǔn)確評(píng)估83.4%患者的癌癥原發(fā)灶。對(duì)于那些通過免疫組化診斷才找到原發(fā)灶的患者，模型準(zhǔn)確率達(dá)75.7%。對(duì)經(jīng)歷了三種以上檢查手段才找到原發(fā)灶的患者，模型準(zhǔn)確率有60.6%，且AI給出的前5個(gè)可能結(jié)果中，有92.1%包含正確答案。
中國(guó)科學(xué)院藥物研究所分子影像中心主任程震告訴財(cái)新，和其他AI醫(yī)療相比，AI在醫(yī)學(xué)影像上的應(yīng)用發(fā)展較快，主要原因有二：一是醫(yī)學(xué)影像脫敏（即去除可以識(shí)別到個(gè)人的隱私信息）難度較小，隱私保護(hù)問題相對(duì)小；二是醫(yī)學(xué)影像的數(shù)據(jù)格式比較一致，其基本單位都是像素，比起其他格式復(fù)雜、不統(tǒng)一的醫(yī)學(xué)數(shù)據(jù)，更容易用于AI訓(xùn)練。
張勇等指出，人工智能應(yīng)用于數(shù)字病理學(xué)也面臨以下局限：一是圖像質(zhì)量有待提高，二是缺乏研究者易獲取的數(shù)據(jù)集，三是倫理及法律難題尚未解決。實(shí)踐中，臨床醫(yī)生需要決定是否接受人工智能給出的病理診斷及推薦的治療方案，更需要決定是否能承受算法偏差導(dǎo)致的治療后果。
本文轉(zhuǎn)自于 財(cái)新網(wǎng)
