在現代計算系統和人工智能技術加持下,傳統病理學正轉向數字化病理,AI 技術的加持極大解放了病理醫療資源,AI 病理未來規模可達數百億人民幣。
在此背景下,阿里雲天池聯合英特爾舉辦了「數字視覺」挑戰賽,以賽事推動 AI 技術在產業中落地。
同時舉辦了「2020 阿里雲天池數字病理視覺挑戰賽和研討會」。眾多來自第三方病理診斷中心、學術界、產業界的數字病理行業專家出席了研討。
在歷時 3 個月的前期調研以及後期業內嘉賓充分討論後,研討會重磅發佈了《數字病理診斷排行榜》,評選出了數字病理行業產業鏈各個環節的 Top 級企業。
病理學被「現代醫學之父」威廉 · 奧斯勒稱為「醫學之本」,其核心方法病理切片分析被醫學界公認為癌症診斷的「金標準」。而實際醫療資源的短缺窘境極大程度地限制了病理診斷產業的發展。在我國,目前每個病理醫生都超負荷地承擔了 5-10 倍的常規工作量,誤診、漏診在所難免。
隨着現代計算系統和人工智能技術的引入,病理診斷正逐步升級為數字病理診斷,這項新技術不僅能夠以迅速、標準化的方式處理醫學影像,還能對可疑影像進行勾畫、渲染,並以結構化的語言提出建議,在醫院的診斷、數據儲存和共享、科研、會議、教學,以及第三方診斷機構的病理會診中逐漸嶄露頭角,潛力巨大。
可以説,數字病理產業已經成為解放更多醫療資源的關鍵突破口,被人工智能技術加持後的數字病理解決方案也將成為「醫生的醫生」。
6 月 12-13 日,由英特爾聯合阿里雲天池發起,機器之心支持,結合動脈網數據庫中的病理企業繪製《數字病理診斷排行榜》在數字病理研討會期間正式發佈。報告歷經企業調研、評估模型設定、專家打分、企業信息複核 4 個階段,耗時 3 個月得以成型,針對病理產業鏈不同環節的重點企業數字化轉型成果進行了詳實分析和觀點呈現。
一、精準對接行業痛點,阿里雲天池「數字視覺」人體挑戰賽落幕
數字病理發展尚處於早期階段,AI 技術落地病理行業的實踐過程中還有一些難點,比如 AI 技術研發與應用存在鴻溝、終端產品需求不明確等。
為加速技術在行業中的落地,阿里雲天池聯合英特爾發起了「數字人體」視覺挑戰賽,宮頸癌風險智能診斷總決賽於 6 月 12 日落幕。
阿里雲天池「數字人體」視覺挑戰賽決賽落幕
來自細胞檢測分類算法賽道和 VNNI 賽道的 20 支隊伍通過十幾分鐘的答辯闖決出了勝負。deep-thinker 團隊和 LLLLC 團隊分別獲得了算法賽道和 VNNI 賽道的冠軍。
此次大賽以宮頸癌為切入口,旨在通過提供大規模經過專業醫師標註的宮頸癌液基薄層細胞檢測數據,讓選手能夠提出並綜合運用目標檢測、深度學習等方法對宮頸癌細胞學異常鱗狀上皮細胞進行定位以及對宮頸癌細胞學圖片分類,提高模型檢測的速度和精度,輔助醫生進行診斷。
選手採用模型量化的方法後單張 ROI 區域細胞檢測僅需要 0.1s;選手比賽中所沉澱的算法可以嵌入到市面上常用的宮頸癌細胞學數字掃描設備中;預計節約醫生 10～20 分鐘的閲片時間。
英特爾是此次大賽聯合主辦方,其開創英特爾 ® 深度學習加速技術(VNNI 指令集)用於比賽中極大提升了本次比賽推斷效率,將病理篩查的判斷時間從 5s 降到 0.1s。
大賽的後一天,阿里雲天池聯合英特爾舉辦的「2020 阿里雲天池數字病理研討會」也完美落幕。中國科學院計算技術研究所研究員周少華、浙江大學健康醫療大數據國家研究員副院長吳健、迪英加 CEO 楊林、商湯科技智慧健康病理產品負責人黃曉迪、深思考創始人兼 CEO 楊志明等來自產業學術端、技術端、應用端等不同領域的專家出席了研討。
數字病理研討會現場
這些專家就目前 AI 技術落地病理行業的痛點、下游場景需求點、AI 病理未來趨勢等問題進行了交流和觀點碰撞。
二、數字病理三大平台 Top 格局
研討會最後,在經過專家的充分論證和長達 3 個月的前期調研基礎上,英特爾聯合阿里雲,結合動脈網數據庫的病理企業繪製,重磅發佈了《數字病理診斷排行榜》。
榜單評選出了病理行業上游(全切片成像系統與設備)、中游(輔助病理診斷)、下游(第三方病理中心)Top 企業榜單,並對其數字化轉型成果進行了詳實分析和觀點呈現。
在病理行業數字化轉型的大背景下,這批正在轉型中的病理企業代表着行業未來走向,榜單的發佈很大程度上為傳統病理企業提供了權威的數字化轉型借鑑。
憑藉全面、公平、專業的原則,英特爾和阿里雲歷時 3 個月進行了大量的前期調研,包括企業調研、評估模型設定、專家打分、企業信息複核等多個步驟。
具體而言,選擇出 33 家全切片成像系統與設備企業、25 家輔助病理診斷企業、19 家第三方第三方病理中心作為備選企業,邀請了 10 位高校教授、5 位醫療機構病理科主任和 5 位投資機構作為評選專家以保證專業性。
評選過程中,專家通過網絡問卷、電話問卷和深度訪談三個環節,調研企業的產品結構、產品銷售、數字化投入、IT 架構和數據業務的影響深度,最後將指標量化,甄選出產品矩陣、數字化投入、IT 架構、業務影響深度 4 個指標,對企業進行綜合評分。
產品矩陣:數字化轉型將推動產品迭代,榜單選擇產品數量(具備醫療器械註冊證)、銷售收入、在研管線作為衡量產品矩陣的二級指標;
數字化投入:企業數字化轉型投入會經歷由 “實” 向“虛”的轉變,基於數字化投入力度和方向來評估轉型程度,本次榜單選擇設備購置、人員配置作為衡量數字化投入的二級指標;
IT 架構:企業 IT 架構類型可作為評判企業數字化轉型階段的槓桿,榜單通過企業採用傳統 IT 架構、雲架構、混合雲到混合雲中台架構的變遷作為衡量 IT 架構的評分標準;
業務影響深度:數據會從戰術層面到戰略層面貫穿整個產品週期,榜單選擇用户畫像維度、服務供給、數據決策、實驗創新作為衡量業務影響深度的二級指標。
以下是榜單具體情況:
1）全切片成像系統與設備 Top10
全切片成像系統與設備位於產業鏈的最上游,為病理檢測提供前處理儀器、試劑、耗材。
Top10 企業有兩家來自德國和日本的老牌外企,其餘都是中國本土企業,規模不一,既有上市公司,又有融資尚處於 A 輪的企業,但都做出了一定成績,其中江豐生物曾獲得英特爾數億金額都投資青睞。
為病理企業提供檢測設備,這個環節也是病理信息化轉型過程中的「新基建」。
無論是病理 AI 的商業化還是信息化產品,「病理科信息化不足」都是一個繞不開的問題,許多醫院甚至還在使用物理玻片的方式進行收集和存儲。
目前病理科信息化有兩種方式,一是對傳統設備的中間環節賦能,例如騰訊此前發佈的智能顯微鏡,在診斷中加入 AI 識別,做部分場景優化。但玻片依然是物理形式,最後儲蓄在玻片櫃中,除了在診斷環節進行輔助以外,無法做到數據價值的進一步挖掘。
此次上榜企業不少都採用了創新性的方式,對病理數據的源頭進行數字化改革。
例如,江豐生物的數字病理掃描系統,直接將採集的樣本轉化為數字形式,後續所有流程都實現信息化、線上化,其中也包括 AI 產品的診斷識別;帝麥克斯將切片全數字化後、通過圖像管理系統進行保存、瀏覽、分析、上傳至遠程診斷平台,可進行實時遠程病理會診
2）輔助病理診斷 Top5
輔助病理診斷處於 AI 病理診斷的中游,提供完整的病理診斷系統。上榜的 Top5 均為國內創新企業,成立時間較晚但實力強勁。
輔助病理診斷需要將 AI 與實際病理診斷場景深度結合,考驗技術落地能力。以上 5 家企業不僅研發能力強,而且產品均已經在國內外大量企業中實現臨牀應用,並獲得客户認可。
其中 Top1 蘭丁醫學落地實力強,從宮頸癌這一單一癌種切入,提供人工智能篩查系統,2019 年營收超過 1 億元。
迪英加已經和國內外超過 50 家以上的三甲醫院建立了深度合作,產品已經在美國得到了比較廣泛的應用,美國現有客户已經達到幾十家。
透徹影像是目前業內已知的準確率和效率最高的胃部疾病深度學習輔助診斷系統,同樣與中國人民解放軍總醫院、中國醫學科學院腫瘤醫院、北京協和醫院等多家醫院達成了合作。
3）第三方病理中心 Top3
第三方病理中心是 AI 病理診斷的下游應用市場。上榜企業分別為精準診斷服務商弘泰嘉業、第三方病理檢驗機構華銀健康和首家首家獲得獨立第三方病理診斷中心牌照的病理診斷中心衡道醫學。
其中弘泰嘉業已經深耕產業十幾年,利用互聯網 、數字化病理技術應用和 O2O 模式,自主研發軟件平台,先後全資建立了第三方獨立醫學檢驗所和 H-T 精準診斷雲平台。診斷效率極高,從提交會診申請到診斷報告返回,全程不超過 24 小時,加急不超過 4 小時。
華銀健康由南方醫科大學及廣州華銀共同組建,圍繞病理診斷、教學、科研與臨牀轉化的國內大型臨牀病理診斷中心,實驗室已通過美國 CAP 質量認證專家評審。截止目前,該集團臨牀服務覆蓋全國 27 個省區超過 2000 家醫院,擁有五個省級實驗室,年診斷標本量超過 850 萬例。
衡道醫學座落於上海市的核心病理診斷中心,佔地 3200 平米,為目前我國境內單體最大的病理診斷機構,以 “全職醫技團隊 一線會診專家 共建聯合平台” 多層級模式,依託「數字遠程會診網絡 實體中心 & 物流支持」,為基層醫院提供的病理會診及診斷支持,專注解決術中冰凍、疑難會診、各類特色穿刺活檢和小標本快速診斷。
以上企業均已經構建了人工智能基礎設施,將 AI 和數字化融合到病理中心的全流程運用中。
並且,大都採用院內院外相結合的商業模式,不僅為醫療機構提供全方位病理平台建設服務,還聯合國內外專家為多級醫院提供遠程病理診斷。
三、數字病理行業現狀總結
經過大量調研後,榜單針對行業現狀總結出如下核心觀點:
1)當前一些數字病理技術只改變了病理切片載體,對於提高效率助益並不顯著,需要全流程數字化改造。
2)病理中心數字化轉型涉及到從設備到運營全方面的數字化,其中基於雲計算的遠程會診可以極大提升基層病理診斷能力。
3)通過院內院外協同的方式,第三方醫檢所可以聯合大量基層醫療機構,激發巨大的市場空間。國產全切片數字病理設備話語權正不斷提高。
4)人工智能在病理診斷中的應用尚處於發展,數據是核心資源也是最需攻堅的難點,海量標準化數據積累下的算法精進將極大提升病理診斷利用效率。
4)獨立病理診斷中心正在向上遊追溯,不斷優化數據處理和分析能力,這將極大分流院內病理診斷壓力。