“病人對應(yīng)病理醫(yī)生的比例，中美之間的對比是20：1。”杭州迪英加科技有限公司（下稱“迪英加”）創(chuàng)始人兼CEO楊林告訴億歐大健康，比如國內(nèi)的病理醫(yī)生每天要看一兩百張切片，而美國的病理醫(yī)生只要看二三十張就夠了。

迪英加成立于2017年，是一家提供基于AI處理病理圖像（癌癥診斷和分級）、輔助醫(yī)生病理診斷服務(wù)的公司。其總部在杭州，也在上海、美國設(shè)有分公司，業(yè)務(wù)范圍面向全球。今年6月，它剛獲得超億元的B輪融資。

重復(fù)性工作、量多人少、效率較低是病理診斷的痛點。AI技術(shù)，特別是具有深度學(xué)習(xí)支撐的AI或讓病理檢查變得更智能也更簡單：AI以迅速、標(biāo)準(zhǔn)化的方式處理數(shù)字化的病理切片，對病理切片進行自動勾畫、識別，并以結(jié)構(gòu)化的語言提出輔助診斷的建議。

楊林表示：“AI先做初篩，只把它判斷不了的疑難病例交給醫(yī)生看，這樣可以有效的降低醫(yī)生的閱片量，同時提升診斷的精確度。”正是看到了AI在病理領(lǐng)域的應(yīng)用前景，以及將學(xué)有所長落地的強烈信念，2017年楊林決定辭去美國佛羅里達大學(xué)生物醫(yī)藥工程系終身教授和博導(dǎo)的職位，與美國羅格斯大學(xué)工業(yè)工程系副教授、生物醫(yī)學(xué)工程系和計算機系博士生導(dǎo)師以及新澤西醫(yī)學(xué)院兼職教授李康博士共同創(chuàng)立了迪英加，開啟從學(xué)界到產(chǎn)業(yè)的創(chuàng)業(yè)之路。

兩位創(chuàng)始人在計算機視覺、深度學(xué)習(xí)和數(shù)字病理方向研究超過15年，其中楊林師從多位計算機視覺和病理學(xué)領(lǐng)域的世界級大師，包括數(shù)字病理學(xué)奠基人之一的David Foran、魯棒性計算機視覺領(lǐng)域“教父級”的導(dǎo)師Peter Meer，以及生物信息學(xué)創(chuàng)始人美國科學(xué)院院士Casimir Kulikowski等。而迪英加背后的研發(fā)團隊成員超1／3擁有海外博士學(xué)位，且多數(shù)擁有多個專業(yè)背景。

迪英加融資的腳步跑在國內(nèi)同賽道企業(yè)的前面。據(jù)悉，目前國內(nèi)專注AI病理的相關(guān)企業(yè)最快也只進行到了A輪。據(jù)楊林透露，迪英加將于今年年底或明年年初開啟新一輪C輪次的融資。

AI落腳“病理”

AI在病理診斷中的應(yīng)用主要包括：收集數(shù)據(jù)并標(biāo)注，AI模型充分學(xué)習(xí)并對樣本進行識別分析，輸出輔助判讀結(jié)果。其中在數(shù)據(jù)標(biāo)注環(huán)節(jié)，需要病理專家進行高質(zhì)量的標(biāo)注，而AI模型會先高效區(qū)分陽性細(xì)胞密度較高的樣本并進行精準(zhǔn)識別。此外，AI還需選取一些可疑的局部切片給病理醫(yī)生，做最后的復(fù)閱診斷。

針對以上整個過程，迪英加開發(fā)了軟硬一體化的D－Path系列產(chǎn)品組合、建設(shè)AI病理的整套方案。該方案包含了提供高壓縮比例云存儲解決方案的病理星球（D－PathPlanet）、高通量病理輔助診斷系統(tǒng)D－PathAI、國內(nèi)首款智能顯微鏡智睫（D＿CleverEye）等。

據(jù)楊林介紹，病理星球主打大數(shù)據(jù)核心存儲，主要存儲數(shù)字病理切片。目前該平臺共有90萬例（一個病人為一例）病理樣本，其中樣本的數(shù)據(jù)標(biāo)注主要由國內(nèi)三級甲等醫(yī)院的病理醫(yī)生負(fù)責(zé)。“迪英加建立了嚴(yán)格的訓(xùn)練／測試數(shù)據(jù)質(zhì)控流程，三個醫(yī)生同時對一個病理切片進行診斷，如果三個醫(yī)生同樣判斷為癌癥，則標(biāo)注為’癌癥’。只要其中有一位不贊成，該切片就會被送至我們聘請的專家委員進行二次投票表決。”

有了標(biāo)注好的樣本，接下來就是AI模型對病灶的識別和分析，此時算法是核心。傳統(tǒng)用深度學(xué)習(xí)算法多數(shù)是剪切切片，預(yù)測單張圖塊的腫瘤情況，但忽視周邊區(qū)域會讓結(jié)果產(chǎn)生較大誤差。

迪英加的D－PathAI輔助診斷系統(tǒng)可對病理圖像進行自動檢測－識別－分割－判讀：先對全場圖像建立金字塔結(jié)構(gòu)，然后對不同層級進行判讀并充分考慮背景信息，模擬病理醫(yī)生多尺度觀察腫瘤區(qū)域的實際操作。據(jù)其官網(wǎng)介紹，其算法5s內(nèi)能處理1億像素，1分鐘內(nèi)即可完成分析15×15mm的細(xì)胞涂片／組織切片；該AI算法魯棒性強（魯棒性是指控制系統(tǒng)在一定參數(shù)攝動下維持某些性能的特性），能精準(zhǔn)獲取細(xì)胞定位等。

以宮頸細(xì)胞圖片為例，配合高通量全場數(shù)字切片掃描儀，迪英加開發(fā)的D－PathAI能在5－10秒內(nèi)自動完成宮頸細(xì)胞學(xué)初篩，系統(tǒng)判讀的準(zhǔn)確率可以達到95％以上。楊林表示，該平臺的敏感性大部分都在99．5％以上，特異性基本上約80％左右。

迪英加推出的智睫系統(tǒng) D－CleverEye能實時讀取顯微鏡下的視野，根據(jù)其公開資料，該系統(tǒng)通過AI算法進行分析，迅速給出提示，幾乎無延遲。此外，迪英加還推出了遠程病理互聯(lián)系統(tǒng)D－PathConnect，幫助病理醫(yī)生突破地域限制，進行分級診療。

整體化方案筑起競爭壁壘

談及迪英加的優(yōu)勢，楊林認(rèn)為其產(chǎn)品矩陣為下一代數(shù)字化病理科提供了一整套的解決方案，在通用性和齊全性上有較高的競爭壁壘。

首先在通用性上，迪英加目前的產(chǎn)品有較廣泛的適用性。比如D－CleverEye能兼容市面上幾乎所有硬件廠商（病理產(chǎn)業(yè)鏈上游企業(yè)）的產(chǎn)品，比如國外萊卡生物、濱松光子學(xué)和國內(nèi)的江豐生物、麥克奧迪醫(yī)療等全切片成像系統(tǒng)／設(shè)備。

其次在齊全性上，迪英加以D－PathAI人工智能病理輔助診斷系統(tǒng)為核心，其產(chǎn)品覆蓋了細(xì)胞病理、組織病理、分子病理和免疫組化四大模塊內(nèi)容。“這四大模塊涵蓋了病理科所有可能遇到的500多種不同的癌癥檢測，免疫組化和分子病理也將是我們未來發(fā)展的重點。 ”楊林解釋道。

其中迪英加在細(xì)胞病理方向開發(fā)了20余個智能分析模塊，可協(xié)助診斷胃癌、肺癌、膀胱癌、乳腺癌、腎癌、前列腺癌等癌癥分型。在分子病理方面，迪英加能運用人工智能對探頭液樣品、血細(xì)胞以及像宮頸切片等進行判讀。相比之下，國外同賽道企業(yè)AIPath和Paige AI約有十幾個模塊，目前也主要側(cè)重于1－2個癌種的AI病理檢測，比如乳腺癌。

豐富的模塊成為迪英加撬動商業(yè)化的有力觸角。自去年10月底，該公司的一系列產(chǎn)品如智能顯微鏡、各種款式掃描儀、病理診斷圖像處理軟件、病理科信息系統(tǒng)和遠程會診系統(tǒng)等軟硬件產(chǎn)品在2019年10月陸續(xù)獲得國家藥品監(jiān)督管理局（NMPA）批準(zhǔn)上市，目前迪英加的產(chǎn)品已經(jīng)進入158家醫(yī)療機構(gòu)，其中80％是醫(yī)院。

據(jù)楊林介紹，迪英加將只針對醫(yī)院采取模塊化銷售的方式：醫(yī)院病理科可以選擇購買最適合自己的模塊，并能在未來擴充模塊。“今年能覆蓋到300家醫(yī)院，明年能夠覆蓋到500－1000家以上的醫(yī)院。”

另外，很多客戶能夠在迪英加這里找到了一些偏小眾化癌種的模塊。楊林舉了個例子：“有一家藥廠來找我們看能否做做神經(jīng)內(nèi)分泌瘤的病理診斷，這是一個相對比較罕見的癌種，結(jié)果客戶發(fā)現(xiàn)迪英加確實已經(jīng)有開發(fā)完成的神經(jīng)內(nèi)分泌瘤的分析模塊。”此外，迪英加還支持為用戶提供一些定制化服務(wù)，比如不僅做簡單的良性篩查，還能做腫瘤的分級和分型。

目前國內(nèi)還沒有一個AI輔助診斷的方案獲批。迪英加正在積極探索申報病理AI診斷第Ⅲ類醫(yī)療器械注冊證，楊林推測將在未來2－3年內(nèi)獲批。

為了第Ⅲ醫(yī)療器械注冊證前瞻性的審查以及避免醫(yī)源性風(fēng)險，需要證明AI決策流程的可解釋性。為此，2019年，迪英加科技CEO楊林所率領(lǐng)的團隊在《Nature Machine Intelligence》上發(fā)布了名為《Pathologist－level Interpretable Whole－slide Cancer Diagnosis with Deep Learning》的論文，提出了一項用于AI病理診斷解釋的方案。

這次實驗的每個步驟都可由AI提供決策依據(jù)，通過將醫(yī)生的推理步驟模塊化，從而模擬推理的過程。這是全球首篇發(fā)表在自然子刊上的關(guān)于討論病理圖像分析中的人工智能可解釋性問題的專著。

百億市場風(fēng)口，AI病理有機會也有挑戰(zhàn)

2020年世界病理學(xué)大會報告顯示，預(yù)計到2024年，病理學(xué)市場規(guī)模將從2019年的303億美元達到444億美元，從2019年到2024年的復(fù)合年增長率為6．1％。具體到國內(nèi)，據(jù)西部證券的預(yù)測，目前我國病理行業(yè)的潛在市場超 300億元，其中細(xì)胞病理宮頸癌篩查潛在市場超200億。

早在幾年前，該賽道可觀的市場潛力吸引了資本的注意，近幾年它們占領(lǐng)標(biāo)的企業(yè)的動作愈發(fā)頻繁。2017－2020年，3年間已有近40起融資事件，且有逐年遞增的走向。目前，AI病理國外企業(yè)融資最快的已到B＋輪。

資本對AI病理賽道的加持，不僅是看到了數(shù)字化病理的“藍海”機會，也看到了它在新藥研發(fā)領(lǐng)域的想象空間。

借助AI在病理上的應(yīng)用，研究人員能迅速精確地獲取一段時間內(nèi)切片的病變細(xì)胞數(shù)量、程度的數(shù)目及變化情況，觀察出臨床實驗中的新藥對病灶產(chǎn)生的影響。接下來，研究人員甚至能利用AI觀察動物受藥后的組織細(xì)胞變化狀況用以指導(dǎo)藥物研發(fā)。據(jù)楊林介紹，迪英加和阿斯利康中國在PD－L1人工智能檢測的研發(fā)上已經(jīng)展開了深度的合作。

另外，AI病理還能拓展到一些癌癥的早篩項目中，比如乳腺癌、宮頸癌。

即便充滿機會，但不可忽視的是AI病理創(chuàng)業(yè)門檻頗高。首先它需要交叉學(xué)科背景，從迪英加的團隊上就能看出這一點。楊林介紹，迪英加的團隊基本上都是跨專業(yè)的復(fù)合人才。“不僅是懂計算機，你還要去懂生物和醫(yī)學(xué)，特別是病理。”

其次，和CT／X光影像數(shù)據(jù)相比，病理數(shù)據(jù)本來就少。國內(nèi)的數(shù)據(jù)庫更加不公開，多數(shù)存在“數(shù)據(jù)孤島”的現(xiàn)象，大部分醫(yī)療數(shù)據(jù)存儲于醫(yī)院以及第三方檢驗機構(gòu)，并且信息安全共享機制欠缺。另外，海量標(biāo)準(zhǔn)化數(shù)據(jù)積累下的算法也是AI病理診斷的關(guān)鍵一環(huán)。未來，誰有海量的數(shù)據(jù)以及更精進、魯棒性更好的算法，誰就可能最早抵達“最后一公里”的終點。

相對于影像檢查的自動化，病理檢查就顯得有些古老，目前病理診斷的全程還主要依靠顯微鏡下人眼的觀察。在腫瘤診斷上，臨床醫(yī)生對于患者做出的治療措施，80％受病理學(xué)報告的影響。因此，病理醫(yī)生也被稱作臨床診斷中“說最后一句話的人”同時也被稱為“醫(yī)生的醫(yī)生”。

談及AI病理是否會替代病理醫(yī)生，楊林表示否定。“我不認(rèn)為（AI病理）最終是要去取代病理醫(yī)生。醫(yī)療的所有產(chǎn)品都是醫(yī)生的工具，提高工作效率和準(zhǔn)確率，輔助做出判斷，更好地為廣大的癌癥患者提供更優(yōu)良和精準(zhǔn)的服務(wù)。”