AI+醫療：病理診斷細分市場有望率先落地

華強

人工智能+醫療成為近年來的行業熱點，計算機技術與醫療服務的跨界合作為未來的行業發展提供了全新維度。人工智能主要應用于醫療領域的疾病診斷、醫療輔助、醫藥開發等方面，具體包括病理診斷、影像診斷、語音識別、健康管理、可穿戴設備、醫院管理、精神健康、藥物挖掘、生物技術等細分領域。病理診斷領域由于數據量大、對醫生要求高等特性成為人工智能在醫藥行業率先領域應用的重要細分領域之一。

AI助力病理轉向數字化診斷，解放醫生資源

病理AI是通過人工智能算法，對數字化的病理切片進行診斷。目前較為典型的應用就是DNA倍體檢測，人體正常細胞為2倍體，分裂過程中的細胞處于2-4倍體狀態，而腫瘤細胞會出現顯著異常的DNA含量，出現4倍體以上的異常DNA倍體細胞，通過對異常DNA倍體細胞的檢測，就可以知道樣本是否存在突變的細胞，在腫瘤的早期診斷中有較好的應用，能夠有效提升診斷效率，提供標準化、數量化的檢驗指標。

引入AI輔助甚至替代人工進行一些常規的病理診斷及癌癥篩查，能夠有效彌補人工診斷效率低、病理醫生不足、缺乏統一質控管理等問題。

病理AI診斷流程主要包括標準化切片的制作、切片數字化掃描、AI算法讀片、AI提示陽性切片人工復核等環節。實現病理AI診斷的主要關鍵點在于標準化的制片、數字化處理、足量的基礎數據對算法模型進行訓練、AI算法假陰性率（病變細胞誤識為正常細胞）的控制等。作為計算機AI識別圖像進行診斷，對于切片圖像的標準化要求較高，能夠保證穩定的制片、成像標準的儀器是開發病理AI算法基礎;其次病理診斷覆蓋的疾病種類較多，尤其是癌癥類型繁多，要實現病理AI對各個病種的精確診斷需要大量的病例數據支持，目前行業的主要切入口在于通過對常見病種普查的輔助診斷來降低病理醫生的重復性工作，提升病理診斷效率，這一模式中的關鍵在于控制病理AI算法的假陰性率，防止出現由于算法的誤判導致漏診，保證病理AI能夠在保證診斷有效的前提下提升病理診斷效率。

病理AI開發包括數據積累、算法開發、場景應用等環節

病理AI開發過程主要包括有效數據的采集積累，基于有效數據的算法開發、模型訓練，以及醫院、第三方檢驗相關場景的應用。數據基礎包括相關硬件設備生產商和醫院、第三方檢驗機構，算法開發涉及權威的病理專家集團、智能算法開發企業等，AI應用場景回歸到醫院病理科及第三方檢驗機構。針對下游不同醫療應用場景和病理診療特點，開發不同的算法輔助醫生診斷，并隨著數據量的擴充和下游需求持續更新。

有效數據的積累是現階段病理AI算法開發關鍵。目前產業仍處于發展初期，有效數據的積累是進入下一階段的關鍵。國內大部分醫療數據存儲于醫院以及第三方檢驗機構，一方面，醫院內部的臨床數據中心建立尚不完善，醫院內部數據互聯互通程度和共享程度尚低，醫療數據涉及病人隱私，共享機制和規范缺乏;另一方面，第三方檢驗機構具有較好的數據資源積累，但不同檢驗機構由于相關設備、軟件的差異，數據標準化程度各不相同，往往基于自身掌握的數據資源進行算法開發。

AI+醫療達200億市場規模，宮頸癌篩查成為病理AI布局重點

病理AI同時隸屬于AI+醫療行業，2018年我國AI+醫療市場規模有望達到200億元，近年來保持高速增長。病理AI屬于AI+醫療領域的醫學影像診斷細分領域，應用于疾病的診療環節，主要適用的技術包括數字化成像、圖像識別、人工智能算法等，是人工智能結合醫療行業的重要分支。根據中國數字醫療網統計，2016年我國AI+醫療行業規模為96.61億元，同比增長122.09%;2017年達130億元，同比增長34.56%，2018年我國AI+醫療行業有望達200億的市場規模，同比增長53.85%。

宮頸癌篩查是當前病理AI中應用最廣泛的檢測場景。根據中國癌癥中心統計數據，宮頸癌位居女性癌癥發病率第六位，是最常見的婦科高發惡性腫瘤之一。通過病理薄層細胞學檢測或HPV檢測可有效進行早診早治。由于其可通過定期篩查預防、需求量大、病例數據積累較多等特點，成為病理AI率先布局領域，我們以宮頸癌為代表測算細胞病理篩查宮頸癌的市場空間：21–65歲女性均需進行宮頸癌定期篩查，我國適齡女性人口在4億人左右。以每人年均0.5次宮頸癌液基薄層細胞學檢查（TCT）檢查計算，宮頸癌細胞病理篩查潛在市場規模約為442億元，這為病理AI進行宮頸癌篩查提供了廣闊發展空間。

行業處于發展初期，企業由硬件、第三方檢驗向AI領域拓展

目前國內AI病理行業主要由上游的硬件設備、試劑生產商，中游的病理專家和智能算法軟件開發企業，以及下游的醫院、疾控中心和獨立實驗室等應用終端構成。

病理AI上游企業以安必平、鴻琪科技、福怡股份為代表，主要提供病理檢測試劑及病理智能診斷標準化前處理設備等服務。中游企業如迪英加、視見科技、圖瑪深維等在病理、影像、放療診療領域具備成熟醫學影像分析軟件平臺，擁有相關核心算法與技術實力。2018年由阿里健康牽頭，蘭丁高科、圖瑪深維等12家醫療健康AI企業共同建立面向醫療AI行業的第三方人工智能開放平臺。醫院以及金域醫學、華銀健康等第三方檢測平臺等構成了病理AI行業下游的應用終端，通過提供海量臨床病理數據與產業鏈上游企業密切合作，進一步推進病理診斷的信息化、自動化和智能化。

此外，蘭丁高科及麥克奧迪通過全方位打造從硬件設備、全自動智能化診斷篩查系統到第三方病理診斷中心，實現了一站式病理診斷服務的全覆蓋。蘭丁高科依托其自主研發的病理診斷設備、病理AI系統、病理專家團隊、第三方實驗室網點，完成完整的商業閉環，公司于2018年實現了6個月內完成37萬例“互聯網+人工智能”宮頸癌篩查項目。麥迪醫療是麥克奧迪全資子公司，主營產品及業務包括病理切片數字化掃描與應用系統、數字病理遠程專家診斷、細胞DNA定量分析系統（用于癌癥早期篩查）及相關診斷耗材的技術支持與醫療診斷服務。

AI診斷技術準確性有待提高，無法完全替代病理醫生

AI病理診斷技術能夠實現自動化診斷，大幅縮短醫生的工作量，但由于目前技術所限，在病理樣本采集、圖像數據處理及結果判讀上仍有大量亟待解決的技術難點。一旦條件稍有偏差，診斷結果或謬以千里，仍需進行大規模多中心的臨床驗證以保證其準確性。因此，AI診斷的結果最終的結果仍需病理醫生審核，并結合其他臨床資料進行綜合確診。AI診斷的結果能夠輔助診療，但無法完全替代病理醫生的作用。

多環節影響病理AI診斷準確性。樣本采集制片是病理AI診斷的首要環節，其成片質量直接決定后續圖像質量的高低及結果判讀的準確性。不同染色制片硬件設備、制片方法以及批次間質控的穩定性決定了成片是否滿足后續分析要求。

數據處理是將病理成片轉化為圖像數據并進行處理的過程。大臨床樣本數據平臺保證了AI訓練樣本的廣泛性和代表性，圖像抓取質量校正以及AI診斷算法的開發優化是病理AI準確性得以不斷提升的核心要素。

病理AI在小范圍試驗的訓練結果并不能完全代表其真正的診斷能力，而診斷標準也會隨著不同病理醫生的結果判讀而變化。所有病理AI技術在真實臨床落地應用前，都需要經過嚴格的隨機對照研究和多中心的臨床試驗進行驗證，才能真正作為評判手段和標準。

算法發展為病理AI打下堅實基礎

人工智能算法圖像識別能力不斷提升，算法發展為病理AI打下堅實基礎。2012年，深度學習模型首次被應用在圖像識別大賽（ImageNet），算法錯誤率降至16.4%，獲得當年冠軍。2015年，微軟通過152層的深度網絡，將圖像識別錯誤率降至3.57%，表現已經優于人眼5.1%左右的錯誤率。2017年ImageNet挑戰賽中，Momenta團隊利用SENet架構奪冠，模型已達到2.251%的錯誤率。人工智能圖像識別能力的不斷提升將推動人工智能病理診斷獲得快速發展。

在醫療影像領域已有多個團隊成功開發人工智能診斷算法。谷歌、上海交通大學、浙江大學等科技企業及高校在醫療影像診斷的相關具體疾病檢測方面已成功開發出媲美人工診斷準確率的AI算法，AI的診斷速度及準確率能夠達到或接近人工水平。隨著各病種數據庫、算法的不斷完善，AI診斷將在醫療診斷中發揮重要作用。

病理AI的問世將有效的解決我國病理醫生短缺的問題，滿足基層的病理診斷需求。臨床病理大數據平臺以及AI算法開發優勢是病理AI企業搶占市場并在競爭中保持領先地位的核心能力。同時，在國家政策大力支持下，人工智能被列入國家發展戰略，人工智能+醫療成為新技術結合傳統產業的重點維度。