石怀银：AI在消化道病理诊断中的应用

AI在病理中的应用

1） 病变组织的精准获取；

2） 病理诊断；

3） 组织学分级和定量评分；

4） 肿瘤生物标志物的评估；

5） 基于HE图像预测肿瘤的分子特征；

6） 基于HE图像预测患者的预后；

7） 信息整合实现深层次的精准诊断。

病理诊断人工智能辅助系统发展的必要性：病理诊断人才的短缺和AI在病理诊断某些领域具有优势。

数字病理的发展为AI辅助病理诊断系统的研发奠定了基础。

AI辅助病理诊断平台需要具备以下条件

1） 较高的准确性；

2） 与传统切片显微镜诊断相比，明显缩短或者至少不延长诊断时间；

3） 应用场景简洁方便，不额外增加操作步骤；

4） 系统在不同医院病理科运行时的稳定性

目前AI在病理诊断中的研发和应用现状

1） 宫颈细胞学AI辅助病理诊断；

2） 胃肠镜活检标本AI辅助病理诊断；

3） ESD标本AI辅助大体及镜下图像复原；

4） 淋巴结转移癌 AI辅助病理诊断；

5） 乳腺癌AI辅助病理诊断；

6） 肺癌AI辅助病理诊断；

7） KI-67、HER-2、PD-L1等生物标记物阳性程度的AI辅助诊断；

8） 预测肺癌EGFR突变等肿瘤分子生物学特征AI辅助病理诊断等等。

首个进入实际临床应用的胃肠道病理AI诊断模型及其优势：与传统胃肠镜活检标本诊断流程相比大大缩短了时间

诊断示例：

胃肠道黏膜活检标本AI辅助病理诊断系统所存在的问题

1） 过于敏感，假阳性率偏高；

2） 萎缩性胃炎及其程度的判断尚无明确的标准；

3） 腺体增生程度的判断尚无明确的标准；

4） HP识别困难。

ESD标本可视化诊断系统的产品操作流程：

病理诊断AI面临的挑战

挑战1——病理影像体积巨大，存储是一个大问题；

挑战2——标本类型、染色类型多样化（组织学标本、普通HE染色、特殊染色、免疫组化染色、FISH荧光原文杂交等）

挑战3——病理形态多样性

挑战4——需要学习的内容多（以大标本为例：包括组织学类型、组织学分级、坏死的识别、脉管癌栓的识别、神经浸润、浸润深度、有无淋巴结转移、相关免疫组化染色结果判读、免疫组化染色结果与组织学形态综合分析判断、临床信息综合性分析）。

挑战5——质控、设备、技术方面的复杂性（HE切片及免疫组化染色切片的质量控制、切片扫描仪的普及程度、切片扫描速度的提高、超大容量的存储、数字化切片与PACS系统的整合、AI辅助诊断系统与HIS、PACS系统的整合、不同类型数字化切片自动归类）。

思考与对策

1） 客观认识AI在病理诊断中的应用：辅助病理诊断，不能期望太高，要求太高；

2） 病理行业协会的正确引领：优先领域选择，学习内容设计，专家团队论证，AI产品开发，AI产品多中心验证。

智慧病理的未来

总之，智慧病理的未来还是很值的憧憬、非常值得期待的。高度智能化、云端化是未来的奋斗目标。