[中国,广州,2019年6月11日] 金域医学与华为云在2019中国生物产业大会上联合宣布,双方在人工智能(AI)辅助病理诊断应用开发方面取得突破性进展。金域医学病理专家团队与华为云AI团队合作,首次基于病理形态学,通过深度学习技术,训练出精准、高效的AI辅助宫颈癌筛查模型。该模型在排阴率高于60%的基础上,阴性片判读的正确率高于99%,同时,阳性病变的检出率超过99.9%。这是目前国际上已公布的AI辅助宫颈癌筛查的最高水平。通常情况下,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AI识别仅需36秒,通过AI辅助宫颈癌筛查模型判读速度是人工判读的10倍。
金域医学与华为云联合宣布双方在AI辅助病理诊断应用开发方面取得突破性进展
AI辅助宫颈癌筛查取阶段性重大突破
病理形态学诊断被医学界公认为疾病诊断的“金标准”。目前,我国宫颈癌筛查的适龄妇女人群超过3.5亿人,即使以3-5年进行一次筛查的标准来衡量,筛查水平仍然远远未能达到要求。除了观念普及程度有所欠缺之外,更重要原因是细胞病理医生的稀缺,处理样本的能力遇到瓶颈,从而制约宫颈癌筛查进一步推广。
2018年,金域医学与华为签署合作协议,在人工智能领域开展合作。此次金域与华为云的合作主要集中在AI辅助宫颈癌筛查模型的开发。据金域医学病理中心主任罗丕福博士介绍,本次开发基于金域历年4350万例宫颈细胞学筛查样本,从中挑选出近20万个图像块,进行精准标注和AI辅助筛查模型训练。目前已用超过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%,减少医生人工读片工作量。阴性片判读的正确率高于99%,阳性病变的检出率超过99.9%,全力确保不漏诊,避免假阴性。
强强联合,硬实力支撑AI模型开发
取得如此重大的突破,金域医学和华为云的专业知识、样本数据、AI技术与算力等要素不可或缺。
金域医学作为全国领先的第三方医学检验机构,截至2018年,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。“此次采用的训练集和验证集,规模是行业平均水平的数倍以上,极大地保障了结果的可靠率,”罗丕福博士说。
此外,金域的病理医生优势也发挥了关键作用。目前,金域有全职病理医生近500名,其中从事细胞病理学的医生近300名。此次,金域投入了多位病理专家全职负责审阅与标注工作,以2人一组的模式进行互相验证,相当于由病理专家“手把手”向AI模型传授病理诊断知识。
在AI技术支持方面,华为云一站式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了坚实的基础。在标注阶段,借助华为云ModelArts对已经上传到云端的海量图像块进行半自动化标注,大大节省了病理医生标注的时间和精力。在算法层面,华为云不断迭代起来的人工智能算法在模型精度和速度上都达到了业界领先的水平。近期,华为云AI 医疗团队投入重兵聚焦解决医疗领域的重大技术难题,且已经在肺结节检测比赛LUNA-2016、超声测量比赛HC-2018、脑中风分割比赛ISLES-2018 等多个医疗领域的顶尖赛事上达到业界领先水平。
华为云一站式AI开发平台ModelArts提供AI技术支持
华为云EI服务产品部总经理贾永利表示:“深度学习技术的发展,使得AI辅助病理识别成为可能,而华为云强大的算法、算力和一站式AI开发平台,结合金域的大规模样本和病理学专家丰富经验,最终使AI达到了病理专家‘助手’水平。此次重大突破,正是AI与专家经验场景有效结合的证明。未来,华为云AI将努力让AI服务触及每一位开发者、企业,共同推进行业智能化升级。”
效率大幅提升 未来AI辅助筛查应用可期
若该成果得以落地应用,预期可使病理医生进行单次细胞学检查的工作量减少超过60%,筛查效率大幅提升。通常情况下,细胞病理医生镜下阅读宫颈细胞涂片,平均每例需要花费6分钟,而目前AI识别仅需36秒,未来还有进一步提升空间。
与此同时,通过与AI提示的结果进行比对与相互印证,医生可以更方便、更准确地作出判读,对宫颈细胞学检查的质量控制以及病理专业学生的培训均能带来有效帮助。未来一旦AI辅助宫颈癌筛查得到推广,可大幅提升宫颈癌筛查服务覆盖的人群范围与服务频率,使对适龄妇女人群的筛查质量趋近发达国家的水平,促进宫颈癌早筛早治。
金域医学首席信息官李映华表示,接下来,金域和华为云将继续投入更多样本数据,对AI模型进行大规模验证,同时进行更多的专业标注以改善模型,在保证敏感性的前提下使其特异性不断提升。“我们也将提高模型的可靠性,使其可以适应更大范围的试剂耗材与制片水平,将AI辅助筛查的应用范围推广到更贴近基层医疗水平的场景。”
本次成果也为AI在医疗领域中更广泛的应用场景打下了坚实基础。除质谱分析、基因测序、分子病理以外,金域医学与华为云还将在其他病理AI的场景中寻求新的合作方向,如在消化道疾病、肾脏病、血液病、罕见病等亚专科场景,探索更多应用可能。