人工智能：精准病理诊断的新利器

本周的《JAMA》发表文章，讲述一场病理诊断的PK大赛。前哨淋巴结的组织病理学诊断既费时又具有挑战性。病理诊断的PK大赛就选择了这个难题。在乳腺癌组织淋巴结转移的诊断上，人工智能（深度学习算法）PK病理学诊断专家，结果如何？结果是：人工智能（深度学习算法）完胜 [1]。

JAMA文章中提到全切片数字化图像（whole slide images，WSI），该技术方便了病理切片的获取，改变了传统的阅片方式。随之而来的是，大量定量分析算法，深度学习算法是其中的佼佼者。

JAMA同时指出，该项PK大赛有着各种局限性，比如仅提供HE切片（病理医师会常常进行免疫组织化学检查），还有比赛是严格限时的，这无形中增加了医生的心理压力。

JAMA文章的意义在于，不否定临床病理医师的诊断能力，而是提醒人工智能是精准病理诊断的新利器。人工智能（深度学习算法）可以减轻病理医师的工作负担，同时提高病理诊断的准确率。

人工智能病理诊断未来究竟如何？从试验研究到临床应用，会一切顺利吗？还有人工智能病理诊断全面铺开之后，病理医师的临床诊断技能又会如何，用进废退？这一切交给未来的实践回答吧。

同样JAMA杂志在今年8月刊发了针对人工智能医学领域应用弊端的讨论文章，提示我们，尽管人工智能技术应用于医学的发展势头不可阻挡，但我们必须清晰地知道，再好的技术都会有弊端，可能带来意想不到的后果[2]。JAMA杂志从两个角度阐述人工智能医学领域应用。这是我们应该注意到的。不盲目期盼，也不畏首畏尾，在实践中去应对可能的问题。

在这方面，我们也不落后。第七届中国病理年会就举办了“2017病理图像诊断人机挑战赛”，比试的是30分钟内完成10张乳腺浸润性导管癌数字切片的Ki67阳性占比计数，要求精确到1%。这次结果是病理医师取得胜利（10位参赛者，只有1位病理医师超过了人工智能选手）。人工智能病理诊断在国内也是热议话题，其相关进展我们关切中 [3]。

【延伸阅读】

1 Babak Ehteshami Bejnordi, Mitko Veta, Paul Johannes van Diest, et al. Diagnostic Assessment of Deep Learning Algorithms for Detection of Lymph Node Metastases in Women With Breast Cancer. JAMA. 2017;318(22):2199–2210.

https://jamanetwork.com/journals/jama/fullarticle/2665774

2 Federico Cabitza, Raffaele Rasoini, Gian Franco Gensini. Unintended Consequences of Machine Learning in Medicine. JAMA. 2017;318(6):517–518.

https://jamanetwork.com/journals/jama/fullarticle/2645762

3 许燕, 汤烨, 闫雯,等. 病理人工智能的现状和展望[J]. 中华病理学杂志, 2017, 46(9).

【音频】

Deep learning algorithms for detecting lymph node metastases

The histopathologic analysis of sentinel lymph nodes can be tedious time-consuming and unreliable

Bejnordi and colleagues conducted a diagnostic test performance study of 32 automated algorithms and found that some algorithms achieve better diagnostic performance than a panel of 11 pathologist participating in a simulation exercise designed to mimic routine pathology workflow .

The top-performing algorithm achieve a lesion level true positive fraction comparable with that of the pathologist who had no time limitations had a mean of 0.012 false positives per normal whole slide imaging

The whole slide image classification task the best algorithm perform significantly better than pathologist with time constraints with an area under the curve of 0.994 versus an area under the curve of 0.810.

In an editorial Golden discusses the challenges and potential benefits of integrating automated digital pathology into clinical practice and also highlights why deep learning machine learning AI is much more difficult in pathology than in their disciplines

【后记：旧学纪事-文献抄读会】

杨老师是日本滋贺医科大学大学院生（获博士学位），是我的导师。治学很严谨，注重科室内的业务学习，积极接受新知识、新技术。我很怀念跟导师学习的岁月（1999-2006）。最难忘的是每周的文献抄读会（literature club）。我们师生每周都会聚在一起，听一位研究生报告上周选定的一篇论著文章的抄读心得。指定的研究生主讲，大家轮流主讲（一人一周），会上其他研究生讨论，老师点评。记忆中，我们的实验病理研究室抄读上百篇的文献（我在学的7年间，每年至少40篇），涵盖维生素E、细胞凋亡、脂质过氧化、一氧化氮、TNP470、GMCSF、MMPs、VEGF、内皮前体细胞（祖细胞）、微血管模型、姜黄素、糖基化终末产物……美好的学生时代！不忘初心，努力学习！

师恩难忘！

【文献推荐者简介】

杨向红

教授 主任医师 博士生导师

中国医科大学附属盛京医院病理科兼实验病理研究室主任

学术兼职：

中华医学会病理学分会 委员

中国医师协会病理科医师分会 委员

中国老年医学学会病理分会 常委

中华医学会病理学分会女性生殖学组 委员

中国抗癌协会乳腺癌专业委员会乳腺病理学组 委员

中国抗癌协会肿瘤病理专业委员会心脏肿瘤学组 副组长

中国抗癌协会肿瘤病理专业委员会肺癌病理学组 委员

中国病理生理学会动脉硬化专业委员会 副主任委员

国际动脉硬化学会中国分会 理事

中国研究型医院学会超微与分子病理学专业委员会妇儿专业组委员

辽宁省医学会病理学分会 副主任委员

辽宁省临床病理质量控制中心 副主任委员

辽宁省抗癌协会肿瘤病理专业委员会 副主任委员

辽宁省抗癌协会肿瘤标志专业委员会 常委

辽宁省预防医学会肿瘤防治专业委员会 副主任委员

辽宁省细胞生物学会乳腺癌专业委员会 副主任委员