期刊信息

健康必读杂志

主管单位:湖南省卫生和计划生育委员会  

主办单位:湖南省卫生计生委医疗管理服务指导中心

国内刊号:CN43-1386/R

国际刊号:ISSN1672-3783

邮发代号:42-119

期刊级别:国家级

语  言:中 文

刊  期:旬 刊

类  别:医学期刊、出版

创刊时间:1993年

收录信息:万方数据库

     龙源期刊网

联系电话:编辑部电话

出版单位:健康必读杂志编辑部

在线注册


在线登录


在线投稿

2020年中国病理学人工智能产业研究报告

 二维码 21
发表时间:2020-08-04 14:57作者:健康必读杂志来源:健康必读网址:https://www.jkbdgw.com

1.病理人工智简介

病理人工智能是指通过人工智能算法诊断数字病理切片;其中,数字病理技术是病理人工智能的基础,模型构建是病理人工智能的关键,在中国病理人工智能的发展中,技术算法与商业模型之间的合作病理学家和人工智能专家是推动病理人工智能产业发展的两个主要因素。该报告切入了技术和商业模型,并对行业进行了深入采访。专家和相关公司终于完成了关于中国病理人工智能诊断的研究报告,涉及的深度和广度。技术算法的发展,深度学习算法极大地促进了病理人工智能的发展,但是当数据量很小时,使用深度学习很难达到理想的效果。行业专家指出,要完成有效的学习目标,至少需要十万个级别的培训;在商业模式中,病理学家和人工智能专家之间的合作,病理人工智能诊断是协助还是替代病理学家 Pathologist,还是与病理学家合作完成病理诊断?中诚医疗器械研究所对行业专业人士进行了深入采访,并从专业人士那里获得了有关美国和日本相关公司商业模式的宝贵见解和尖端信息。


2020年中国病理学人工智能产业研究报告

2.病理人工智能的前景分析 

市场需求、病理学家短缺、中国目前病理学家短缺,诊断水平参差不齐,统计资料显示,目前该国只有9,000名获得许可的病理学家。根据国家卫生委员会每100张床需要1-2名病理学家的要求,缺口为90,000名病理学家。 

此外,二级医院病理学家的符合率是35,城市级医院是37,县级医院是26,三级以下医院的病理诊断含金量不足,导致过多或没有足够的肿瘤治疗方法。 

我国的病理学家很久没有了。在传统显微镜下阅读图片需要以人类的视觉理解,知识积累,技能和才能为基础。病理学家的培训周期长达10年。 

精密药物 

当精密药物进入市场时,肿瘤精密诊断行业的发展空间很大。随着精密医学进入市场增长期,对肿瘤精密医学的需求逐渐增加,目前,我国大多数肿瘤的诊断准确率较低,在精确诊断行业中还有很大的改进空间。 

精确诊断可以实现精确医学。 

良恶性肿瘤的准确识别和恶性肿瘤的分类对肿瘤患者的临床治疗具有重要意义,这些都依赖于高质量,准确的病理诊断。 

当前的病理诊断水平难以满足准确诊断的需求,病理人工智能提供的定量指标使精确医学成为可能。病理人工智能可以完成技术含量低,工作量大的机械化定量指标,如核有丝分裂计数和免疫组化阳性测定。传统的病理诊断不能满足这种诊断的需求。病理人工智能可以提供类似的定量分析指标为精确治疗提供参考和指导。 

病理预后管理 

当前的癌症预后管理效果差。随着人民生活水平的提高,癌症的统计数据呈上升趋势,并呈年轻化趋势。 

此外,根据调查,中国癌症的五年生存率远低于发达国家,病理诊断的预后也不理想。 

目前的病理诊断提供的大多是定性诊断,不足以提供准确的预后评估。 

目前,大多数肿瘤分类都依靠主观经验来了解HE切片的组织形态,而定性诊断不足以提供准确的预后评估。 

病理人工提供的定量指标智能为准确的预后评估提供数据支持。 

病理人工智能可以完成技术含量低,工作量大的机械化定量指标,例如有丝分裂数的计数和免疫组化阳性强度的确定,为准确的预后评估提供数据支持。

市场痛点、数据孤岛限制行业发展、数据孤岛限制病理性人工智能的发展。 

人工智能的发展需要大量数据作为支持。大多数国内医疗数据存储在医院和第三方检查机构中。数据岛现象使用于人工智能诊断和学习的病理切片和病理数据更少。 

医院中的数据岛现象更加严重。 

一方面,我国的医院系统相对封闭,无法实现资源共享。

数据孤岛现象;另一方面,医疗机构的病历管理是按照卫生行政部门的规定进行的,病理数据一般都封装在卫生部门内部。 

第三方检查机构缺乏交流和合作机制。 

第三方检查机构之间缺乏沟通与合作机制。尽管它们具有良好的数据资源积累,但是由于相关设备和软件的差异,不同的检查机构具有不同程度的数据标准化程度,并且它们经常基于自己的数据资源来开发算法。 

病理学家的经验很难量化教学 

病理学家的经验很难量化,因此需要跟进机器学习方法。从病理学的角度来看,系统性疾病有5,000多种。每种疾病都有不同的诊断标准,每种标准都有许多相应的特征。 

病理学家需要判断疾病的类型和具体状况,为后续治疗提供基础。 

病理学更多是一个经验性学科,疾病诊断的大多数参数都在病理学家的心中。 

如何向机器教授这种难以量化的经验是病理人工智能必须克服的一个难题。 

人工智能行业的人才短缺 

根据行业据统计,目前我国人工智能行业的员工人数不到50,000。 

尽管清华大学,北京大学和复旦大学等国内大学开设了相关专业,每年培训不到5,000名技术人员,但仍然难以满足日益增长的病理人工智能领域的需求。 

商业化模型尚未着手 

该行业尚未建立可持续的商业化模型。 

目前,一些公司已经掌握了病理人工智能技术,但由于病理人工智能医疗产品的特殊性,中国尚无病理人工智能产品获得医疗器械注册证书。 

这意味着病理人工智能医疗技术无法在临床实践中广泛使用。 

终端消费者仍处于市场培育期。在此阶段,他们尚未接受付款软件模型。当前的方法只能允许医院通过人工智能医疗技术以软件形式付款。 

如何实现技术产品的实现已成为建立可持续商业化模型的关键。 

3.算法和商业模型如何重构病理人工智能 

机器学习向深度学习转移 

深度学习算法加速了病理人工智能的实现。 

近年来,高质量数字病理切片的积累为病理切片的分析提供了大数据背景。深度学习算法比机器算法具有更大的分析大数据样本的能力,并且在病理切片分析中显示出巨大的潜力。 

深度学习是基于人工神经网络的算法的通用术语,该算法执行功能学习数据。包含多个隐藏层的人工神经网络模型可以称为深度学习。 

该算法的多层堆叠结构可以组合数据的低级特征,以获得数据的高级特征表达。它具有强大的处理能力,可处理大数据样本和复杂的功能模型,并且是人工智能领域的流行研究方向。 

以深度学习为代表的人工智能减少了病理学家的错误诊断。错误判断在一定程度上提高了工作效率。 

结合强大的客观分析功能,计算机还可以发现人眼不易察觉的细节,并学习病理学

在分子水平上切分特征,以不断改善病理学家的知识体系和数字病理诊断。 

从医务人员的参与来看,医学与产业合作模式需要进一步发展病理学家,计算机辅助病理学家的诊断仍是现阶段的主流趋势。要生产可临床使用的产品,需要多学科科学家的合作。没有病理学家的深入参与,就不可能有真正的实际病理学。 

人工智能产品应运而生。 

从临床诊断准确性的角度来看,一些专家认为,目前的人工智能医学治疗并没有一个好的整体观。切片首次被判定为恶性,在高倍镜下该部分变为良性,但最终结论的确是恶性的,因为医生的判断不是基于细胞,而是基于生物细胞行为。 

病理学家应该专注于低倍镜,因为它们可以看到整个图像。 

从病理数据的角度来看,一方面,目前存在数据孤岛现象。数据封闭在医院中,病理性人工智能开发公司难以获取。

征稿函
健康必读征稿函.pdf
6.23MB下载
论文模板
论文模板.pdf
10.01MB下载
导读
导读.pdf
11.99MB下载