标准化、平台化、产品化….病理AI如何走完“最后一公里”？
动脉网历时107天，阿里云天池主办的＂数字人体＂视觉挑战赛落幕收官。此次大赛以宫颈癌为切入口，旨在通过提供大规模经过专业医师标注的宫颈癌液基薄层细胞检测数据，让选手能够提出并综合运用目标检测、深度学习等方法对异常细胞进行定位以及对宫颈癌细胞学图片分类，提高模型检测的速度和精度，辅助医生进行诊断。
英特尔是此次大赛联合主办方，其开创的英特尔深度学习加速技术，极大的提升了本次比赛的推断效率。大赛期间，来自12个国家和地区的近3000名选手带来的超过2000项病理AI技术创新成果，为数字病理临床应用变革注入了新的活力。
获奖选手与嘉宾合影
2020年6月13日下午，由阿里云天池、Intel共同主办的数字病理产学研研讨会在杭州举行，二十余位来自医疗机构和产业界的嘉宾就病理AI的临床需求和未来发展趋势进行了深入探讨，研讨会由动脉网联合创始人、COO毕元锋主持。
应用落地是关键
参与此次＂数字人体＂视觉挑战赛的项目中，部分算法模型具备直接应用至各大医院数字化设备中的条件。阿里巴巴达摩院医疗AI总监迟颖认为，这是很好的趋势。
阿里巴巴达摩院医疗AI总监迟颖
在开场致辞中，迟颖将人工智能技术比作医疗健康的导航仪，通过技术前移实现治未病的目标。目前，医疗AI主要研究方向是用视觉引擎、知识引擎、搜索引擎等技术辅助医疗行为，使医疗分析、健康管理、公共卫生变得高效、普惠、低成本。迟颖认为，医疗机构、基层公共卫生保健、医疗保险、医疗器械与耗材等都可以成为医疗AI应用落地的场景，“随着传统机器学习不断向深度学习转化，AI在医疗中的主流价值越来越明显，已经成为一种不可缺少的前进动力。”
Intel云计算和人工智能首席工程师胡潇也强调，医疗AI技术的关键在于真正的落地，而并非阳春白雪式追求象牙塔里的学术成果，需要更好地造福广大老百姓。可喜的是，现阶段的AI技术创新已经不仅考虑到算法成就，也尝试落地减少每一个病患的疾病负担。
医疗机构的病理AI需求是怎样的？
近年来，许多病理AI产品被应用到临床创新实践中。但是AI作为底层核心技术，推动这个领域真正成熟、成体系，还有一段距离。
数字病理产学研研讨会现场
中华医学会病理学分会前任主任委员、四川大学华西医院病理科教授步宏发表主题为《远程病理与人工智能的再思考》的远程演讲，分享了对远程病理的三点看法和对人工智能的三点思考。
步宏教授认为，第一，远程平台智能水平以及友好体验不够，很多数字化元素没有充分利用，不能用传统病理的思维做远程病理平台；第二，开展远程病理诊断时，应注意区别操作难易程度，调动医生的参与积极性；第三，远程病理平台应该利用AI技术革新病理诊断报告的内容与形式。
算法、算力以及医疗大数据的共同应用是AI进步的三大基本条件，其中，充分利用医疗大数据是最重要的元素。病理诊断需要整合各种维度的医疗信息，病理AI的目标应该是提供多元量化指标的支持系统。
1 2 下一页>
