准确率超 99% 的病理 AI 系统，能否成为“两癌筛查”的一把利器？

病理诊断是医学诊断的“金标准”，是医生对病人进行正确治疗的基石。所以，病理医生素有“医生的医生”之称。但随着各临床科室业务不断开展，病理科医生收到的需求日益增多。像"大熊猫”一样稀有的病理科医生，希望利用AI技术，为更多的病人带来更精准的诊断。

近日，病理AI领域出现了一项新成果。

华为技术有限公司与第三方医学检验机构金域医学联合宣布，双方合作研发的AI辅助宫颈癌筛查模型在排阴率高于60%的基础上，阴性片判读的正确率高于99%，阳性病变的检出率也超过99.9%。

同时，细胞病理医生镜下阅读宫颈细胞涂片，平均每例要花费6分钟，而这套系统识别仅需36秒。

为什么要做宫颈癌筛查的病理AI？

此前，雷锋网曾与301医院的病理科副主任宋志刚进行过一次采访。

宋志刚表示，病理诊断依靠显微镜下的细胞形态，细胞不同的形态及不同的组合及排列可能代表不同的疾病。而同一种疾病又有不同的形态，病理医生需要掌握上千种疾病的常见形态。

因此，病理医师的诊断依赖于经验，培养病理医生的周期非常长，从一个初级诊断医生到一个经验丰富的高年资诊断医生大约需要10年时间。

梁小曼教授是原中山大学肿瘤医院病理科主任医师。她说到， 中国注册的病理医生不到两万人。按照国际标准，每1—2个病床配置一名病理医生的话，这个缺口在8—10万。

《2017年24省市自治区及港澳地区年宫颈细胞学现状调查》数据显示，2017年全年国内宫颈细胞学实验室中，各科室平均3.7位医师从事宫颈细胞病理诊断，从细胞学量和人员配备来看，细胞学实验室的总体规模较小。

此外，细胞病理学的另一大痛点是，医生的个体差异性比较大。 “有培训和没培训的，高年资和低年资的，认真看和不认真看的，水平相差很大。”

而放到宫颈癌筛查这一“放大镜”下，病理医生在数量和能力上的现实短板显得更加明显。

在妇女疾病里面，宫颈癌是发病率和致死率比较高的一类疾病，每年全世界新增的宫颈癌患者数量达到50万，中国的发病率占到了26%。

这种疾病的特点在于，早发现、早治疗，可以让患者的五年生存率实现大幅度提升。

“国家自2009年开始推行‘两癌筛查’，截止到2018年，十年间也只筛查了7000万人，只有21.4%的筛查覆盖率也体现出病理医生的匮乏。 而且，要降低宫颈癌的发病率，至少每3—5年筛一遍，筛查的覆盖率要达到80%才有用。 ”

大量、优质病理医生的紧缺，让基层的两癌筛查工作进展异常缓慢。业界的一个测算结果是，如果要完成全国3.51亿适龄妇女的两癌筛查，以目前人工的方式需要18年。

梁小曼说到，宫颈细胞学的形态相对单一、工作量大。从上世纪90年代开始，国外就已经开发出一些计算机软件，来帮助医生阅片。但是，这些软件一直没有能够得到广泛应用。“从侧面可以反映出，技术应用到病理领域的艰难。”

AI系统36秒得出结果

2018年7月，华为和金域医学正式启动了全面战略合作，其中一项重要内容就是医疗AI在宫颈癌筛查上的应用。

合作方向确定后，金域围绕该项目组建了团队。团队的核心是金域的病理医生，主要负责训练数据集的标注和校验。华为云也同步跟进，投入了一个5、6个人的专家团队，一起进行模型的训练和调优，整个过程持续了近一年。

医工交叉是医疗AI行业的一个普遍难题。为了能够给双方建立一个很好的对话机制，金域医学病理中心主任罗丕福博士给华为云的团队进行了为期一周的培训。

华为云AI相关技术负责人说道，“华为云的团队一开始并没有宫颈细胞病理学的基础，但是AI算法需要把专家的经验固化到模型里，这个工作要怎么做，我们和病理专家进行了长时间的探讨。”

医疗AI的训练需要大量优质的数据。项目带头人、金域医学病理中心主任罗丕福博士说，“我们年检测标本量超过6000万例。截至2018年底，金域宫颈病变检测中心累计收到来自全国31个省市区的宫颈癌筛查样本超过4350万例。”

基于这些样本，金域医学挑选出近20万图像块进行精准标注和AI辅助筛查模型训练，共投入超过30位病理医生参与相关工作，6名高年资医生进行标注，5名细胞病理专家负责审核指导工作。

据雷锋网了解，此次技术开发中挑选进行模型训练和验证的32000例样本涵盖了广东、广西、江苏、山东、四川等多个省份，年龄与地区分布均具有普适性，用于训练的阳性数据最新包括2019年，最早可追溯到2007年。

如果把AI产品的研发比作一次火箭的发射过程，火箭的燃料是数据，那么发射台就是AI开发平台。

华为云推出的一站式AI开发平台ModelArts，从标注、训练模型、图片判断、推理等方面为AI模型的训练和应用提供技术支撑。通过输入病例图像，ModelArts采用半自动化标注的方式对病例图像进行图像分析，进而生成检测报告。

华为云AI相关技术负责人表示， 和其他宫颈细胞学分析平台不同的是，ModelArts提供了一个图像块级别分类的模块，能够优先识别阳性细胞密集的图像块，提高算法运行的效率。

另外，ModelArts也提供了一个细胞级的检测和识别模块，能够准确地定位和识别个别的阳性细胞，提高算法判别的精度。

双方共同的努力也得到了回报。

目前，双方已用超过20000例样本数据的验证集，对该AI模型进行了验证。验证结果表明，该模型的排阴率为61.9%，阴性片判读的准确率高于99%，阳性病变的检出率超过99.9%。