4、Lunit

来自韩国的人工智能企业Lunit为乳腺癌研发了一整套的人工智能产品，其胸部X光摄影和乳房X光摄影用于疾病最初检测与筛查，让他乳腺组织病理切片评级是医学最终诊断结果的关键步骤。

尽管病理学评级在诊断过程中起着很重要的作用，但该领域还是缺乏可量化的客观标准和详细的解释过程，数字病理学的出现为解决该问题带来了希望。

Lunit在数字病理学研究上花费了不少财力和人力，为的是客观地解释组织样本中不同的形态学特征，并在提高组织病理学诊断的准确性、高效性和一致性上进行创新。

2017年，Lunit引入了一种人工智能算法，可以实现对淋巴结中乳腺癌转移的自动检测和阶段评估，这是人类第一次尝试将特定的病理学任务从头到尾自动化。

对区域性淋巴结的病理诊断（pN－stage：也就是判断乳腺癌是否已经扩散到淋巴结）这一诊断过程需要进行检查的图片数据量非常大，且图片的最高分辨率达到了200，000 × 100，000像素，这需要耗费病理学家大量的时间来对多个图片进行仔细审查，最后正确确定pN－stage。

Lunit运用其深度学习技术，开发出一种高度精确的pN－stage预测算法，该算法将多个淋巴结组织切片的肿瘤转移的检测和分类整合到一个临床结果中，使用来自Camelyon17数据集的淋巴结组织学图像来建立一个预测pN－stage的算法，该算法的性能水平超过了目前世界上大多的领先技术，其有可能显著提高病理学家的效率和诊断准确性。

场景：植入器械的人工智能

既然我们可以设计出深度解析病理影像的软件，那何不直接在影像采集时就对其进行优化呢？

如今，一些传统的器械企业也在尝试将过去死板的仪器智能化，用人工智能赋予其更精细的影像与更迅捷的分析效率。

1、福怡股份

福怡股份是一家深耕病理15年的医疗器械公司，其产品覆盖了病理影像采集、病理数据分析、远程病理诊断等服务，能够为病理科提供智能诊断整体解决方案。

其研制的数字病理智能诊断系统可以完成图像高清数字化转换，最高通量400片，实现了24小时无人值守自动扫描。病理切片高速扫描，无缝拼接，更改传统工作方式，让病理标本数字化，图像化，可存储化，为实现数字化、信息化打下良好基础。

福怡股份的数字病理远程诊断系统平台以AI技术为辅助，已积聚了全国近2000位公立医院在职病理科医生，为“远程病理标准实验室”进行诊断的是各省顶尖病理专家，每个省选取5～10位副高级以上专家，保证诊断结果在区域范围内具有一定权威性，杜绝漏诊，确保诊断结果真实可靠。

2、智影医疗

近日，智影医疗研发的一款 AI 显微镜——基于痰菌显微成像的肺结核自动诊断系统，即将正式投入商用。AI 显微镜应用了人工智能深度学习算法，可在3分钟内快速扫描整个玻片及进行结核杆 菌计数，诊断出肺结核。

传统的痰涂片检测医学图像处理方式是算法依据建立的规则对图像进行处理，规则不能适配所有个体，所以检测的准确率不高，而人工智能的图像处理，是经过了大数据的训练，深度学习开发， 可以大幅度提高检测的准确率。

智影医疗开发的 AI 显微镜融入了人工智能的图像处理和视觉处理技术，提供痰液染色涂片自动 扫描图像并进行智能检测分析，医生轻松输入指令，AI 就能自动识别、检测痰液染色涂片，之后定量计算和生成报告，并将检测结果实时显示到客户端中，及时提醒又不打扰医生工作流程， 能提高医生的诊断效率和准确度。

场景：病理与新药研发

当我们获取了基本的病理数据后，我们是否可以从中看出更深层次的，诊断以外的信息呢？有心的企业正尝试。

在没有人工智能前，对病理切片进行定量分析是一个几乎不可能完成的任务，只能凭借医者的感觉大致估量病变的范围。但人工智能的出现使组织细胞的精准计数成为可能。

在这种情况下，研究人员能够迅速精确地获取一段时间内切片的病变细胞数量、程度的数目及变化情况，就能轻易的观察出临床实验中的新药对病灶产生了怎样的影响。

顺着这一逻辑，我们或许可以利用AI观察动物受药后的组织细胞变化状况，从而更加精确地指导药物研发。

成都的知识视觉正在做这样的事，即为CRO提供提供定量的数字病理图像可视化与量化分析，以辅助药物临床科研。在与罗氏诊断的合作中，知识视觉的成果受到了罗氏的肯定。

但这一想法的起源并非面向AI新药研发，其创始人向飞在采访中说道：“我们致力于打造一个无代码化病理AI应用研发云平台，解决病理AI应用研发难度大、硬件投入大、沟通和数据标注成本高等问题，让病理医生可以根据实际需求无需编码就能实现病理AI应用的研究工作。”

国外的Reveal Biosciences、PathAI也在做类似的事。

近日，Reveal Biosciences获得了英特尔领投的A轮融资，其创始人创始人兼首席执行官Claire Weston博士表示：“迄今为止，Reveal Biosciences的ImageDx技术已为三百多家医疗机构提供信息服务。我们特定的数据集成方式，能够大规模且快速生成病理学AI算法。通过这次融资，我们很高兴能够扩大我们研究人员、病理学家和技术人员的生态系统，共同引领AI+医疗找到新范式。”

场景：NLP与基因云

除了针对病理信息自身进行分析之外，研究或许可以将相关数据与基因库进行关联，在进行实验时同时监测受试者的表型和基因型数据。

而随着免疫治疗的发展，PD－1／PD－L1和CAR－T治疗中对新的肿瘤免疫标记物的空间定位和定量亦给病理诊断提出了更高的要求，这同样需要新的技术进行革新。

基于医院病理科传统的信息平台，医生难以实现大规模的病理诊断。其中的主要原因在于文本报告和数字图像等病例信息难以通过人工实现大数据的回顾性科研搜索、分析和管理，自然也阻碍了病理诊断的标准化和标准演进。

在此背景下，精准医疗大数据公司志诺维思绘制了病理知识图谱，并开发了中文病理报告自然语言处理、肿瘤基因组生物信息分析和病理图像人工智能等多项核心技术。这将为研究计划提供病理文本、图像和基因组数据分析功能，同时也能为参加项目的其他成员提供标准化分析自身数据的工具。

通过连接病理HE、IHC等染色影像信息与基因组学中的基因组、表达组信息，志诺维思能以更高的精度与更快的效率挖掘生物标记物，助力药物研发。

场景：第三方医学检查中心

第三方医学诊断机构是国家实现分级诊疗、促进公立医院改革的重要手段，同时也是社会资本进入医疗行业的重要落地形式。而人工智能技术的进入有望提升了第三方医学检测中心的医疗实力。进入这一领域的企业越来越多。

云病理的出现则加速了第三方影像中心的发展，这一模式使得远程病理诊断更加方便，使数字病理从“概念上”的远程医疗逐渐过渡到实际应用中，形成了云病理平台。

如今，国内已有多家大型企业借助云平台将AI病理诊断技术输出于国内外的医学检测中心。

1、兰丁医疗

传统的宫颈癌细胞学筛查是由医技人员在显微镜下根据经验进行诊断。按国际标准，宫颈癌细胞学筛查医技人员每天阅片量应小于100例；人不是机器，始终无法避免因疲劳或经验的不同所造成人为诊断误差。

而兰丁医学开发的AI宫颈癌诊断机器人“Landing”可以帮助医生精准发现早期宫颈癌前病变，使得宫颈癌极有可能成为首个通过预防筛查而实现根除的恶性肿瘤。

依托于这一AI技术，兰丁医学已经在全国各地建立了400余家“兰定标准细胞实验室”，这些实验室在省会城市三甲医院、中小城市二甲医院，甚至国内农村基层计生站均有覆及。

这一全新筛查模式特点是结束了宫颈癌筛查依靠专家经验诊断的历史，用大数据提高诊断质量，靠现代化技术降低成本，从而提高大规模宫颈癌筛查效率以及癌前病变及阳性检出率，对降低宫颈癌的发病率及死亡率将发挥重要作用。此外，为解决世界发展中国家共存的基层缺乏肿瘤筛查专业人员的难题提供了切实可行的解决方案。目前，兰丁所完成的宫颈癌筛查总量已经超过了200万例。

兰丁医疗正一步一步走向世界。如今，兰丁宫颈癌筛查人工智能云诊断平台已于4月1 日向世界开放，世界各国，特别是“一带一路”沿线国家的妇女都有望分享中国人工智能云诊断平台提供的高质量低成本宫颈癌筛查服务。

2、衡道病理

衡道病理以“全职医技团队＋一线会诊专家＋共建联合平台”多层级模式，依托“数字远程会诊网络＋实体中心＆物流支持”，为广大基层医院提供病理会诊及诊断支持，专注解决术中冰冻、疑难会诊、各类特色穿刺活检和小标本快速诊断。旗下全基因组芯片平台，提供20款多癌种分子病理智能报告软件，让分子病理走进基层。

依托AI专业团队和技术储备，衡道病理积极开展与各类知名三甲医院科研合作，推进病理人工智能（Path AI）稳健发展。运用衡道病理大数据优势（PathHub？），构建整个病理行业在人工智能时代的基础设施，为病理医生提供智能化辅助工具，提升诊断效率，实现病理大数据与技术成果的共享，助力行业升级。

3、平安健康（检测）中心

2018年10月，平安租赁大手笔一挥，300亿资金支持下1000家第三方检测中心陆陆续续露出头来。平安健康（检测）中心的优势在于平安的整体构架。这一第三方检测中心不仅拥有平安好医生为其导流，平安传统的保险业务也为患者提供的诸多可选的医保与商保服务。

如今政策已至，平安检测的入驻则为整个赛道带来了活力。当平安体系建立完毕后，也许国内第三方医学检验将形成一个全新的局面。

总结

以上收录的大多数为专注于“AI＋病理”的企业，实际上，许多医学影像类人工智能企业早已经开始涉足病理领域，或自建医学实验室。从趋势上看，病理背后精准医疗与AI的结合已成定势。

诊断如此，AI制药更是如此。新药研发完全有可能超越影像类产品，成为人工智能在医疗领域最先实现商业化的场景。我们期望能看到更多志诺维思、知识视觉这样的公司，透过病理数据的表象，连接基因数据，为攻克肿瘤等顽疾献计献策。

科研也在不断前进，深度学习能让科研人员更精确地量化细胞参数，更直观地观测肿瘤细胞的变化。

所以，对人工智能抱有期待的相关者，不妨将部分注意力转向病理，或许能发掘到令人意想不到的潜力。

文 ｜ 赵泓维

网站、公众号等转载请联系授权