【衡道丨AI 】在乳腺癌领域，病理人工智能的三大应用
在乳腺癌领域，病理人工智能已经取得了一定的研究成果。今天的推文，就带您了解人工智能在此的三大应用。
人工智能是精准医学时代重要的发展方向。大数据的发展、医疗资源的紧缺、诊疗模式的转变为人工智能发展提供了很大的机遇。目前，人工智能已在医学影像、病理、辅助决策系统等方面取得了一定的进展。
在乳腺癌领域，病理人工智能已经取得了一定的研究成果。其主要研究分为以下三个方向：细胞层级的核分裂象检测；区域层级的肿瘤区域检测与分割等；针对免疫组化的量化分析，如HER2Score、H-Score自动判读。
1、核分裂象检测
世界卫生组织(WHO)最推荐的乳腺癌分级系统是诺丁汉分级系统[1]。它涉及三个生物标志物：小管形成、核多形性评分和有丝分裂（即核分裂过程中的细胞）计数。由于癌症的扩散与细胞分裂高度相关，因此检测组织病理学图像中的有丝分裂细胞并对其进行计数是评估转移风险的最重要指标之一。通常，病理专家在高倍场 (HPF，HighPowerFields)上手动标记核分裂象。然而，因为单个全尺寸切片图像(WSI，WholeSlideImage)可能包含大量HPF，有丝分裂的手动注释是一项非常耗时的任务。此外，由于有丝分裂细胞的形态学差异较大，人工检测通常容易出错。因此，使用AI技术自动化这个过程对于减少病理医生的劳动力非常重要。
基于病理人工智能的核分裂象检测
目前，针对核分裂象检测已经有多个国际的学术挑战赛举办，并吸引了全球数百只团队参与。最新的挑战赛则是希望人工智能算法能够检测不同扫描仪产生的数字切片，提升算法在核分裂象检测这一任务的普适性。
2、基于病变区域检测的辅助诊断虽然乳腺癌患者的预后总体良好，平均5年总生存率为90%，10年生存率为83%，但在乳腺癌转移时预后明显恶化。局部乳腺癌的五年生存率为99%，但在区域（淋巴结）转移的情况下降至85%，在远处转移的情况下仅为26%[2]。因此，确定是否存在转移以进行充分治疗和获得最佳生存机会至关重要。病理医生会通过检查被苏木精和伊红 (H&E)染色的切片判断其TNM分期。来自内梅亨大学医学中心的研究者们通过两届竞赛（CAMELYON16andCAMELYON17challenges(CancerMetastasesinLymphNodesChallenge)），将这一问题带到了人工智能领域。著名的病理人工智能企业PathAI的创立，正是因为其初创团队获得了CAMELYON16竞赛的第一名。
基于病理人工智能的淋巴结转移检测
3、免疫组织化学切片的定量判读针对乳腺癌免疫组化，存在着大量的定量判读。在大约20%的浸润性乳腺癌中发现人表皮生长因子受体2(HER2)蛋白过度表达和/或HER2基因扩增。它是HER2靶向治疗治疗获益的唯一预测标志物，因此，HER2检测是病理学新诊断乳腺癌的常规做法。作为半定量分析，HER2的判读常常会出现intraobserver/interobserver差异的问题。因此，在针对乳腺癌的免疫组化方面，针对HER2的智能定量判读的也吸引了不少研究者。
基于病理人工智能的免疫组化检测判读
此外，作为判读核阳的免疫组化的指标，H-Score也被大量利用在针对乳腺癌免疫组化判读之中，如诺丁汉预诊系数+（NPI+，NottinghamPrognosisIndexPlus）。其更复杂的计算方式极其容易导致病理医生的主观判读误差。因此，基于人工智能的计算机辅助H-Score定量判读也是一大研究热点。
衡道医学病理诊断中心医疗大数据与人工智能研发中心在针对乳腺癌的病理人工智能方向也有多年的积累。2019年初在IEEETransactionsonMedicalImaging（TMI）上发文，研究正提出了一种针对乳腺癌的端到端的深度学习系统。通过该系统就可以直接从乳腺癌患者的免疫组化切片图像得到免疫组化评分，同时该预测模型的评分与经验丰富的病理医生的评分具有非常高的一致性。该过程中包括的技术有完全卷积网络、颜色去卷积及多阈值技术等。
2020年，将注意力机制应用到乳腺癌病理图像中，解决超大分辨率的WSI图像的高计算复杂度问题。这篇文章中的方法能减少分类网络的工作量，使得更多有意义的选择区域能被分类网络用于训练，从而使得整个训练过程更稳定和高效。同时将乳腺癌肿瘤区域分类的准确度进一步提高到了98%。该篇文章同样发表在医学影像顶级期刊TMI上。
目前，由衡道医学病理诊断中心自主开发的乳腺癌核分裂象检测算法已经正式在大规模临床数据上测试运行。
参考文献：
[1]C.W.ElstonandI.O.Ellis,``Pathologicalprognosticfactorsinbreast cancer.I.Thevalueofhistologicalgradeinbreastcancer:Experiencefrom alargestudywithlong-termfollow-up,'Histopathology,vol.19,no.5, pp.403_410,Nov.1991.
[2]Howlader,N.,etal."CancerStatisticsReview,1975-2014-SEERStatistics,NationalCancerInstitute." SEERCancerStatisticsReview,1975-2014 (2016).
[3]LiuJ,XuB,ZhengC,etal."Anend-to-enddeeplearninghistochemicalscoringsystemforbreastcancerTMA." IEEEtransactionsonmedicalimaging 38.2(2018):617-628.
[4]XuB,LiuJ,HouX,etal."Attentionbyselection:Adeepselectiveattentionapproachtobreastcancerclassification." IEEEtransactionsonmedicalimaging 39.6(2019):1930-1941.
什么是人工智能人工智能的应用有哪些
什么是人工智能？人工智能（ArtificialIntelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。
人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
人工智能的应用有哪些实际应用：机器视觉：指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，智能搜索，定理证明，博弈，自动程序设计，还有航天应用等。…研究范畴…自然语言处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计，软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法人类思维方式…应用领域…智能控制，专家系统，机器人学，语言和图像理解，遗传编程机器人工厂等
应用领域语音识别领域。除了大家已较为熟悉的科大讯飞输入法，一家叫作云知声的人工智能公司，最近开发了智能医疗语音录入系统，采用了国内面向医疗领域的智能“语音识别”技术，能实时准确地将语音转换成文本。这项应用不仅能避免复制粘贴操作，增加病历输入安全性，而且可以节省医生的时间。目前，一些医院已应用了这一技术。
金融智能投资领域。所谓智能投（资）顾（问），即利用计算机的算法优化理财资产配置。目前，国内进行智能投顾业务的企业已经超过20家，其面向的服务群体，就是那些并不十分富有、却有强烈资产配置需求的人群。
中国的BAT（百度、阿里、腾讯）都已涉足人工智能。2016年，“百度大脑”项目正式启动，致力于打造综合的人工智能平台；阿里巴巴推出了人工智能项目“ET”，未来将具备感知能力，并在交通、工业、健康等领域输出决策；腾讯已将人工智能的相关技术，应用于QQ、金融、微信业务板块。
而其他诸多企业都在开发人工智能的“对话机器人”（相当于“虚拟助理”），如微软的“小娜”、谷歌的“Allo”、苹果的Siri、百度的“度秘”等。