医学故事.健康 中华医学会理事 神经外科教授
浙江大学 AI 病理助手 OmniPT：临床病理AI诊断
在医疗科技飞速发展的今天，临床病理诊断作为疾病确诊的 “金标准”，始终占据着医疗领域的关键地位。病理诊断的准确性直接关系到患者后续治疗方案的制定以及治疗效果的评估，对于患者的生命健康有着决定性的影响。然而，传统的临床病理诊断过程面临着诸多挑战，严重制约了医疗服务的效率和质量。
从病理诊断的流程来看，医生需要在显微镜下仔细观察病理切片，对细胞形态、组织结构等进行细致分析，以此来判断疾病的类型、分期以及恶性程度等。这一过程不仅需要医生具备丰富的专业知识和临床经验，而且极其耗费时间和精力。一份复杂的病理切片，医生可能需要花费数小时甚至数天的时间来完成诊断。同时，由于不同医生的经验和水平存在差异，诊断结果也可能存在一定的主观性和偏差。据相关研究统计，在常规病理诊断中，不同医生之间的诊断一致性大约在 70% - 80% 之间，对于一些疑难病例，这一比例可能更低。
随着癌症等重大疾病发病率的不断上升，病理诊断的工作量也在急剧增加。以我国为例，每年新增癌症病例超过 400 万，这意味着大量的病理切片需要进行诊断。而与之相对的是，病理医生的数量严重不足。目前，我国每百万人口中仅有约 2 - 3 名病理医生，远远低于发达国家每百万人口 5 - 10 名病理医生的平均水平。这种供需失衡的状况使得病理诊断的压力日益增大，患者等待诊断结果的时间也越来越长，这不仅影响了患者的治疗进程，也给患者带来了巨大的心理负担。
面对这些严峻的挑战，人工智能技术的发展为临床病理诊断带来了新的希望。从 2020 年起，浙江大学计算机学院宋明黎教授团队联合浙江大学附属第一医院章京教授团队，凭借敏锐的洞察力和前瞻性的眼光，看到了 AI 技术在医疗领域的巨大潜力。他们依托丰富的数据和算力资源，精心组建起一支融合计算机与医学的学科交叉团队，致力于运用 AI 技术赋能临床精准诊断，以提高医生的工作效率和医疗质量。
经过多年的潜心研究和艰苦攻关，近日，该团队成功发布了视觉与语言模型融合的 AI 病理助手 ——OmniPT。这一创新性的成果，犹如一颗璀璨的新星，在临床病理诊断领域引起了广泛的关注和期待。
OmniPT 的研发凝聚了多学科的智慧和前沿技术。它创新性地融合了视觉与语言模型，通过对大量病理图像数据和医学文本数据的学习，OmniPT 具备了强大的分析和诊断能力。在视觉模型方面，OmniPT 采用了先进的深度学习算法，能够对高分辨率的病理图像进行精准识别和分析。它可以快速捕捉到病理图中的细微特征，如细胞形态、组织结构的异常变化等，这些特征对于癌症病灶的识别至关重要。而语言模型则赋予了 OmniPT 理解和处理医学文本信息的能力，它可以将病理图像信息与患者的临床病史、检验报告等文本信息进行整合分析，从而为诊断提供更全面、准确的依据。
在技术实现过程中，团队面临着诸多难题。首先是数据的标注问题。病理图像的标注需要专业的病理医生进行，而且标注过程繁琐、耗时，标注的准确性和一致性也难以保证。为了解决这一问题，团队采用了半监督学习和主动学习的方法，通过少量的人工标注数据，结合大量的未标注数据进行模型训练，同时利用主动学习算法自动选择最有价值的样本进行标注，大大提高了标注效率和质量。
其次是模型的训练和优化。由于病理图像数据量庞大、维度高，传统的深度学习模型在训练过程中容易出现过拟合、计算资源消耗大等问题。团队通过引入迁移学习、模型压缩等技术，有效地解决了这些问题。迁移学习使得模型可以利用在其他相关领域预训练好的模型参数，快速适应病理图像分析任务，减少了训练时间和数据需求。模型压缩技术则通过对模型结构进行优化和参数剪枝，在不影响模型性能的前提下，大大降低了模型的存储需求和计算复杂度。
OmniPT 的临床应用效果令人瞩目。目前，该病理助手已在浙大一院病理科多个高发病率癌症，如肺癌、乳腺癌、结直肠癌等的临床诊断中开展验证。在实际应用中，OmniPT 展现出了惊人的速度和准确性。它能够在 1 - 3 秒内迅速锁定病理图中的癌症病灶，为医生提供精准的诊断建议。以肺癌诊断为例，传统的诊断方式需要医生在显微镜下仔细观察整个病理切片，寻找可能存在的癌细胞，这一过程往往需要花费 10 - 15 分钟。而使用 OmniPT 后，医生只需将病理图像输入系统，OmniPT 就能在极短的时间内标记出癌症病灶的位置和范围，医生可以根据这些提示进行更有针对性的观察和诊断，大大缩短了诊断时间。
在准确性方面，经过大量的临床验证，OmniPT 对于癌症病灶的识别准确率达到了 95% 以上，与经验丰富的病理医生的诊断准确率相当。而且，OmniPT 的诊断结果具有高度的一致性，不受主观因素的影响，能够为医生提供客观、可靠的参考。
除了提高诊断速度和准确性外，OmniPT 还为医生提供了更多的诊断信息。它可以对癌症病灶进行定量分析，如计算癌细胞的数量、大小、密度等，这些信息对于评估癌症的分期和恶性程度具有重要意义。同时，OmniPT 还可以根据患者的临床信息和病理图像，预测患者的预后情况，为医生制定个性化的治疗方案提供参考。
OmniPT 的出现，不仅为病理医生提供了强大的辅助工具，也为患者带来了实实在在的好处。对于患者来说，更快的诊断速度意味着可以更早地开始治疗，提高治疗效果和生存率。同时，更准确的诊断结果也可以避免不必要的治疗和误诊，减轻患者的痛苦和经济负担。
从医疗行业的整体发展来看，OmniPT 的应用具有深远的意义。它推动了临床病理诊断的智能化、标准化和规范化发展，有助于提高医疗服务的整体水平。在医疗资源分布不均的情况下，OmniPT 可以通过远程医疗的方式，为基层医疗机构提供高质量的病理诊断服务，缩小城乡之间、地区之间的医疗差距。
当然，OmniPT 目前也还存在一些局限性。例如，它对于一些罕见病和疑难病例的诊断能力还有待提高，模型的可解释性也需要进一步加强。此外，由于 AI 技术在医疗领域的应用还面临着一些法律法规和伦理方面的问题，如数据隐私保护、责任界定等，这些都需要进一步的研究和完善。
展望未来，随着技术的不断进步和临床应用的深入，OmniPT 有望在更多的领域发挥更大的作用。团队将继续优化模型，提高其诊断能力和可解释性，同时加强与其他医疗机构的合作，扩大 OmniPT 的应用范围。相信在不久的将来，OmniPT 将成为临床病理诊断不可或缺的工具，为人类的健康事业做出更大的贡献。
浙江大学宋明黎教授团队和章京教授团队研发的 AI 病理助手 OmniPT，是计算机技术与医学深度融合的杰出成果。它的出现，为解决临床病理诊断中的难题提供了有效的解决方案，开启了临床病理诊断的新时代。在未来，我们期待看到更多像 OmniPT 这样的创新成果，为医疗行业的发展注入新的活力，让更多的患者受益于科技的进步。
