中國解放軍總醫(yī)院、中國醫(yī)學(xué)科學(xué)院腫瘤醫(yī)院、北京協(xié)和醫(yī)院聯(lián)合透徹影像開展的人工智能胃癌病理輔助診斷多中心研究成果「Clini...

中國解放軍總醫(yī)院、中國醫(yī)學(xué)科學(xué)院腫瘤醫(yī)院、北京協(xié)和醫(yī)院聯(lián)合透徹影像開展的人工智能胃癌病理輔助診斷多中心研究成果「Clinically applicable histopathological diagnosis system for gastric cancer detection using deep learning」，在NatureCommunications發(fā)表，這是中國研究團(tuán)隊在病理人工智能領(lǐng)域發(fā)表的頂級學(xué)術(shù)成果，也是全球首個可應(yīng)用在復(fù)雜器官臨床病理診斷的人工智能系統(tǒng)。

胃癌是威脅人類健康的惡性腫瘤之一，作為疾病診斷的“金標(biāo)準(zhǔn)”，病理診斷在早期篩查和精準(zhǔn)診斷發(fā)揮著重要的作用，準(zhǔn)確的病理學(xué)診斷能夠顯著地降低胃癌的死亡率。在全球范圍內(nèi)，由于病理醫(yī)師人數(shù)的嚴(yán)重缺乏，加之胃部活檢和手術(shù)標(biāo)本的樣本量大，胃部病理的診斷工作為病理科帶來了巨大的壓力，這一矛盾在胃癌發(fā)病率較高的亞洲愈加凸顯。為了滿足臨床治療的需求，快速提供診斷結(jié)果，病理醫(yī)生承擔(dān)著超負(fù)荷的診斷工作量，誤診的發(fā)生在所難免。

隨著數(shù)字病理技術(shù)的不斷普及，人工智能系統(tǒng)開始被應(yīng)用到病理輔助診斷中。由于病理影像具有文件體積大、信息豐富、切片制備與掃描多樣性強(qiáng)等特點，因此病理圖像的自動化分析難度遠(yuǎn)高于自然圖像。雖然近些年來病理人工智能領(lǐng)域取得了一定的研究進(jìn)展，但是均無法達(dá)到臨床應(yīng)用的標(biāo)準(zhǔn)。

可用于臨床診斷的病理輔助診斷系統(tǒng)，需要滿足以下幾個條件：（1）深度學(xué)習(xí)模型要能夠經(jīng)受住多款病理切片掃描儀所獲得數(shù)千張連續(xù)樣本的測試，敏感度應(yīng)當(dāng)接近100%，特異性超過80%。（2）通過人工智能系統(tǒng)的輔助，病理醫(yī)生在不延長診斷時效的基礎(chǔ)上，能夠提高診斷的準(zhǔn)確率。通過對模型的深入分析，我們可以知曉人工智能的優(yōu)勢與劣勢，從而讓病理醫(yī)生建立與人工智能的基礎(chǔ)信任。（3）人工智能輔助診斷系統(tǒng)需要經(jīng)過來自多家醫(yī)院病理切片的多中心驗證，以確保系統(tǒng)在不同醫(yī)院運行時的穩(wěn)定性。

圖1. 深度學(xué)習(xí)模型訓(xùn)練與測試框架

圖2. 基于iPad和Apple Pencil的標(biāo)注工具

12名資深病理醫(yī)師參與了本研究的標(biāo)注，其中10名主治/副主任醫(yī)師進(jìn)行一審和二審，所有樣本由石懷銀主任與宋志剛主任進(jìn)行最終的審核。整套標(biāo)注流程在基于iPad和Apple Pencil的標(biāo)注工具Thorough WisdomTM| 透徹匯智進(jìn)行，深度學(xué)習(xí)模型建立后，研究人員使用分布式病理輔助診斷系統(tǒng)Thorough InsightsTM| 透徹洞察進(jìn)行了解放軍總醫(yī)院（3212張）、醫(yī)科院腫瘤醫(yī)院（987張）與北京協(xié)和醫(yī)院（595張）臨床連續(xù)樣本的大規(guī)模測試。

圖3. 深度學(xué)習(xí)模型在解放軍總醫(yī)院數(shù)據(jù)上的表現(xiàn)

基于圖像分割技術(shù)的深度神經(jīng)網(wǎng)絡(luò)在解放軍總醫(yī)院的連續(xù)胃部樣本上達(dá)到了99.6%的敏感度和84.3%的特異性，僅有一張陽性切片預(yù)測概率低于嚴(yán)格的閾值，根據(jù)雙閾值策略，被劃入待審核樣本，交予病理醫(yī)師審核。在所有樣本上，人工智能系統(tǒng)均能夠以較高的敏感度提示出癌變區(qū)域，從而防止漏診的發(fā)生。通過對比模型在三款病理切片掃描儀上的表現(xiàn)，可以看到模型均表現(xiàn)出極高的敏感度和超過80%的特異性。這表明系統(tǒng)具有良好的兼容性，在采用不同品牌的掃描儀的醫(yī)院終端均可以使用。

人工智能系統(tǒng)不僅可以作為輔助病理醫(yī)師的工具，而且可以提供有效的第二意見。在病理診斷中，疑難樣本通常會使用免疫組化在進(jìn)行更深入的診斷。深度學(xué)習(xí)模型在這些樣本上能夠達(dá)到超過80%的準(zhǔn)確率，并正確提示出了高風(fēng)險區(qū)域，指導(dǎo)病理醫(yī)師執(zhí)行免疫組化等進(jìn)一步診斷。

圖4. 多中心測試結(jié)果

經(jīng)過多中心測試，深度學(xué)習(xí)模型在醫(yī)科院腫瘤醫(yī)院與北京協(xié)和醫(yī)院的樣本上，能夠達(dá)到接近100%的敏感度和超過93%的特異性，穩(wěn)定性卓越。

為了驗證人工智能系統(tǒng)在臨床診斷中的表現(xiàn)，研究團(tuán)隊邀請了12名初級病理醫(yī)生參與了人機(jī)協(xié)同測試。12名醫(yī)生被隨機(jī)分為顯微鏡組、數(shù)字切片組與人工智能輔助組，并施加了不同強(qiáng)度的壓力（不限制診斷時間 vs. 限制一個小時的診斷時間）。研究發(fā)現(xiàn)，加入時間約束后，顯微鏡組與數(shù)字切片組的醫(yī)生均呈現(xiàn)出漏診率的增加，而人工智能的輔助顯著提升了醫(yī)生診斷的穩(wěn)定性，診斷敏感度得以保障。

圖5. 人機(jī)協(xié)同實驗

對于發(fā)展中國家，由于病理醫(yī)師數(shù)目有限，人工智能系統(tǒng)能夠在有限的診斷時間內(nèi)，保障診斷質(zhì)量。對于發(fā)達(dá)國家，系統(tǒng)能夠精確定位可疑區(qū)域，有效防止漏診的發(fā)生。目前，人工智能輔助診斷系統(tǒng)已在解放軍總醫(yī)院病理科大規(guī)模應(yīng)用，未來將會成為病理診斷常規(guī)輔助工具，惠及越來越多的病理醫(yī)師。本研究所提出的方法論，適用于所有器官病理人工智能系統(tǒng)的建立，能夠幫助研究人員加速智慧病理的研發(fā)進(jìn)程，進(jìn)而造福更多的患者。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！