標準化、平臺化、產品化….病理AI如何走完“最后一公里”？
歷時107天，阿里云天池主辦的＂數字人體＂視覺挑戰賽落幕收官。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注的宮頸癌液基薄層細胞檢測數據，讓選手能夠提出并綜合運用目標檢測、深度學習等方法對異常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。
英特爾是此次大賽聯合主辦方，其開創的英特爾深度學習加速技術，極大的提升了本次比賽的推斷效率。大賽期間，來自12個國家和地區的近3000名選手帶來的超過2000項病理AI技術創新成果，為數字病理臨床應用變革注入了新的活力。
獲獎選手與嘉賓合影
2020年6月13日下午，由阿里云天池、Intel共同主辦的數字病理產學研研討會在杭州舉行，二十余位來自醫療機構和產業界的嘉賓就病理AI的臨床需求和未來發展趨勢進行了深入探討，研討會由動脈網聯合創始人、COO畢元鋒主持。
應用落地是關鍵
參與此次＂數字人體＂視覺挑戰賽的項目中，部分算法模型具備直接應用至各大醫院數字化設備中的條件。阿里巴巴達摩院醫療AI總監遲穎認為，這是很好的趨勢。
阿里巴巴達摩院醫療AI總監遲穎
在開場致辭中，遲穎將人工智能技術比作醫療健康的導航儀，通過技術前移實現治未病的目標。目前，醫療AI主要研究方向是用視覺引擎、知識引擎、搜索引擎等技術輔助醫療行為，使醫療分析、健康管理、公共衛生變得高效、普惠、低成本。遲穎認為，醫療機構、基層公共衛生保健、醫療保險、醫療器械與耗材等都可以成為醫療AI應用落地的場景，“隨著傳統機器學習不斷向深度學習轉化，AI在醫療中的主流價值越來越明顯，已經成為一種不可缺少的前進動力。”
Intel云計算和人工智能首席工程師胡瀟也強調，醫療AI技術的關鍵在于真正的落地，而并非陽春白雪式追求象牙塔里的學術成果，需要更好地造福廣大老百姓。可喜的是，現階段的AI技術創新已經不僅考慮到算法成就，也嘗試落地減少每一個病患的疾病負擔。
醫療機構的病理AI需求是怎樣的？
近年來，許多病理AI產品被應用到臨床創新實踐中。但是AI作為底層核心技術，推動這個領域真正成熟、成體系，還有一段距離。
數字病理產學研研討會現場
中華醫學會病理學分會前任主任委員、四川大學華西醫院病理科教授步宏發表主題為《遠程病理與人工智能的再思考》的遠程演講，分享了對遠程病理的三點看法和對人工智能的三點思考。
步宏教授認為，第一，遠程平臺智能水平以及友好體驗不夠，很多數字化元素沒有充分利用，不能用傳統病理的思維做遠程病理平臺；第二，開展遠程病理診斷時，應注意區別操作難易程度，調動醫生的參與積極性；第三，遠程病理平臺應該利用AI技術革新病理診斷報告的內容與形式。
算法、算力以及醫療大數據的共同應用是AI進步的三大基本條件，其中，充分利用醫療大數據是最重要的元素。病理診斷需要整合各種維度的醫療信息，病理AI的目標應該是提供多元量化指標的支持系統。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
