国内首场宫颈液基细胞学人机挑战赛上演！ 我院病理科苏曙光获医师组一等奖
发布时间：2018-04-16
近日，在南京举办的临床病理联盟会议上“专题四：细胞病理智能诊断与数字病理诊断”专场，国内首个宫颈液基细胞学人工智能辅助诊断人机挑战赛火热举行。
宫颈液基细胞学诊断人机挑战赛活动由南方医科大学病理学系主任梁莉教授热情主持，担当“裁判”重任的点评专家评审团则由北京医院病理科主任、中华病理学分会细胞病理专业学组组长刘东戈教授，中国人民解放军海军总医院病理科主任孟宇宏教授，以及南方医科大学病理学系细胞病理亚专科组长张文丽博士三位专家组成。临床病理联盟大会专家中国科学院卞修武院士、中国医师协会病理科医师分会会长丁彦青教授、我国著名病理学专家丁华野教授，以及来自美国宾夕法尼亚大学医学部的Paul Zhang（张君良）教授全程参与，高度关注活动过程中的每一个进展。
（梁莉教授担任人机对话活动主持人）
权威病理专家（从左至右分别为中国药科大学校长来茂德教授，中科院病理学卞修武院士，中国医师协会病理科医师分会会长丁彦青教授）全程观战。
在梁莉教授就人工智能与病理诊断相关专题学术报告结束后，正式进入人机挑战赛。
首先，现场分别分成了通过计算机AI系统进行诊断的人工智能诊断组（简称“AI组”），邀请的3位具五年以上细胞病理诊断经验病理医生所组成的传统显微镜诊断组（简称“医师组”），其中包括广州医科大学第二附属医院病理科梅开勇主任和我院病理科苏曙光主任。
其中AI组诊断30个病例，医师组的3位病理医师对这30个病例每人诊断10例，在简单的操作流程说明之后，阅片正式开始，阅片时间以医师诊断组全部阅完提交诊断结果为止。
诊断开始后，诊断结果即时展示于LED屏幕并与病例方（华银病理诊断中心）提供的最终结果进行比较，对有争议的诊断结果则邀请点评专家进行明确。
（医师组阅片，左2 为我院病理科苏曙光主任）
随着主持人梁莉教授宣布对战开始，才1分多钟AI组就已经完成3个病例的诊断，开始诊断第2组的3例标本，三位病理医师也不示弱，合力匹敌AI组。
时间一分一秒过去，三位病理医师的每位10个病例很快诊断完成。
从诊断时间来看，最终数据显示3位医生完成10个病例诊断所需时间分别是11分52秒、10分18秒、11分06秒（苏曙光主任）。AI组完成30个病例诊断共用时8分23秒，其高效显而易见。据项目负责人介绍，AI诊断效率仍有很大的提升空间。
从诊断结果准确率来看（与病例原诊断结果符合情况），AI组与医师组22例一致，一致率73.33%。AI组与数据提供方28例一致，一致率93.33%，医师组与数据提供方24例一致，一致率80%。
对于AI组与标准诊断结果不一致的2个病例，刘东戈教授领衔的点评专家组充分结合数字切片与镜下阅片进行评点。最终就本场活动表现而言，AI组快速、稳定的优势显而易见。
（由刘东戈教授、孟宇宏教授、张文丽博士组成的点评专家团对有争议的病例做最终诊断）
我院病理科苏曙光主任（左3）获得参赛医师组一等奖
大咖点评
卞修武院士
我同意一种说法，医学中包含“科学＋宗教＋艺术”等多种成分。科学追求真，宗教倡导善，艺术讲究美。人工智能诊断基于科学技术，是医学发展的重要趋势之一，但不会完全代替医生；人的善和美是机器无法企及的。新生事物的生命力总是非常强大的，先进的方向我们需要去学习、去重视，人工智能将来也可能成为我们不可或缺的伙伴和助手。
人工智能用于病理诊断关键是用怎样的信息和标准用于诊断和深度学习？人工智能未来要走的路还很远，还需要结合现代医学的发展（比如把形态与分子标志物整合进去，去帮助人工智能），让人工智能更好地辅助医生的工作。
不要简单地认为人工智能只能诊断简单的病例，它能综合很多人脑不能同时运行的数据，比如它能同时运行影像多模态数据、病人年龄等临床数据，快速分析与判定，所以从某种角度而言，人工智能对复杂、疑难病例的判断会比人脑更全面、更有力。
（注：非原话，笔者根据理解整理。）
近年来，人工智能带给医疗健康领域革命性的变化，用于疾病诊断和病理分析的人工智能已成热点，国内外均已开展相关研究工作。基于海量病理扫描图片大数据的人工智能辅助病理诊断平台，经深度神经网络抽提细胞学特征进行训练，精准度可超过资深病理医生（本项小规模样本测试活动中正确率为93.3%，具五年以上诊断经验医师组正确率为80.0%)。
人工智能模型可持续训练、升级能力强，保障精准度可持续提升。同时人工智能诊断效率更高，可消除疲劳导致误诊情况以及病理医生水平差异，诊断结果更加客观、一致，最大限度解放病理医生的劳动力。
我国病理医师人才匮乏、医师水平参差不齐已是不争的事实，且病理医师人才培养周期长，诊断缺乏规范化、标准化，成为限制我国临床水平发展的关键因素之一。在国务院《新一代人工智能发展规划》等政策文件引领下，人工智能开发及应用是国家今后20年的基本国策，智能医疗和智能病理是重点发展方向。人工智能于病理学科的广泛应用，似乎是解决我国当前病理学发展困境的曙光。
（病理科 李艳）
