健澜病理人工智能(AI)技术在临床实践中的可行性研究项目公告!

健澜病理人工智能(AI)技术在临床实践中的可行性研究项目公告!

  

  北京协和医学基金会“瞳行病理公益项目”——病理人工智能(AI)技术在临床实践中的可行性研究项目公告(2021年度)

  

  

  

  杭州健澜科技有限公司编辑

  

  

  

  一、项目研究背景数据显示,目前全国有执照的病理科医生不足2万人,按照国家卫健委每100张病床配备1至2名病理科医师的配置要求计算,病理医生缺口高达9万人。而近几年,人工智能(AI)技术与病理诊断不断融合,病理AI作为一种辅助诊断技术应运而生,给病理诊断带来更多便利,提高了病理医师工作效率,减少了病理医生的工作强度。可以起到改善中国目前病理医师缺乏、诊断水平地区差异大的局面的作用。目前病理人工智能已经在细胞学筛查、组织学诊断、免疫表型预测等方面存在可行性,以下列举了病理AI领域的研究基础:(一)细胞学筛查方面病理人工智能较为成熟的研究是辅助宫颈癌细胞学筛查,国内,深圳大学主导过基于超像素和卷积神经网络(convolutional neural network, CNN)的分割方法用于宫颈癌的细胞学筛查研究,结果显示检测其精度达94.5%。国外也有研究提出一种多重适应神经模糊推理系统的模型,能高度准确地判别正常、低级别鳞状上皮内瘤变(low-grade squamous intraepithelial lesion, LSIL)和高级别鳞状上皮内瘤变(high-grade squamous intraepithelial lesion, HSIL)三种宫颈细胞状态。

  

  

  

  (二)组织学诊断方面国外已经存在临床级的病理人工智能系统,纪念斯隆?凯特琳癌症研究中心(MSKCC)的研究者以多示例学习结合递归神经网络的弱监督学习方式在15000例肿瘤患者的4万多张数字化病理切片的数据集中进行人工智能系统的训练,最终成功研发了首个临床病理级的病理人工智能系统,该系统对前列腺癌、基底细胞癌、淋巴结转移乳腺癌的诊断准确性高达98%(测试曲线下面积area under the receiver operating characteristic curve, AUC均大于0.98)。

  

  

  

  (三)免疫表型预测方面的应用更丰富,也更受研究者关注。目前有研究利用CNN算法预测乳腺癌免疫组织化学(immunohistochemistry, IHC)雌激素受体(estrogen receptor, ER)表达情况来探索乳腺癌组织学形态与ER表达之间的关联。也有研究者训练病理人工智能完成非小细胞肺癌HE图像中的PD-L1状态判断。病理人工智能同样可以用于完成微卫星不稳定状态的预测,德国亚琛工业大学医院利用深度学习算法开发了一套胃癌组织微卫星不稳定预测的人工智能系统,其预测准确率达到84%。我国南方医科大学南方医院研究团队也建立了一套直接利用病理切片预测结直肠癌微卫星状态的深度学习算法,预测准确度可达到88%。

  

  

  

  二、项目定位及资助方向病理AI在前期的探索中显示这项技术不仅具有一定的创新性,同时具有可行性,因此,本活动旨在探索病理AI在实际临床实践中的应用可行性,推动病理AI的临床应用。研究面向病理人工智能领域,建立AI在病理领域的应用,构建AI与病理诊断新策略。

  

  

THE END
分享
二维码
< <上一篇
下一篇>>