病理诊断是绝大部分疾病，尤其是肿瘤疾病的诊断“金标准”，是医生的医生。病理诊断耗时长，再加上我国病理医生缺口大，病理医生分布不均，如何用AI在提高医生工作效率的同时，又可以降低漏诊、误诊的风险，成为医疗行业关注的焦点。
6月30日，瑞金医院联合华为宣布开源RuiPath病理模型，意在医院降低病理AI辅助诊断部署门槛，这也成为上海医疗机构首个开源的病理模型。
此次开源的为RuiPath病理模型的核心“视觉基础模型”。根据官方介绍，该模型依托瑞金医院百万张高质量数字病理切片数据，基于华为AI全流程工具链ModelEngine进行标注、训练和模型精调而成，在业界12个主流公开数据集的14个辅助诊断任务测试中，有7个达到业界领先水平（SOTA），并已具备临床验证能力。本次开源配套提供测试数据集，覆盖了肺癌、结直肠癌、甲状腺癌、胃癌、乳腺癌、前列腺癌、胰腺癌等7个常见癌种。
中国工程院院士、瑞金医院院长宁光在现场表示，病理大模型只有真正临床应用才能产生价值实现AI普惠。
病理诊断指通过手术切除、内镜活检、细针穿刺等方式获取人体组织或细胞，借助显微镜等工具对样本进行一系列处理和观察。通常，一个病理检测需3天到5天，如遇较为疑难的疾病，加做免疫组化或分子检测，诊断时间长达7天至10天。大医院病理科培养一位合格病理医生需要5年至8年时间，但在县级医院，还无法耗费这么长时间来培养，这可能会导致病理行业的诊断质量不统一问题。
大模型的出现，给病理科的智慧化带来极大的想象空间。但要开发一个病理大模型，难度超出想象。
瑞金医院病理科副主任医师笪倩称，在病理人工智能落地过程中仍面临数据、算法、算力、存力四方面挑战。数据上，切片质量差、格式不统一及数字化医院占比低，中国有5000家医院具有病理科，但是不足5%的医院将数字化诊断应用于日常的诊断过程当中，导致模型精度受影响且数据规模小；算法上，传统标注依赖病理专业知识，成本高、耗时长且具主观性；算力上，百万级切片对应PB级数据与单张GPU显存80GB的矛盾突出，易致算力浪费；存力上，三甲医院病理数据增量大、存储成本高，数字化的门槛是高居不下。
“以瑞金医院为例，我们每天的增长切片量是6000张，所以每年的数据增量是1.5个PB。”笪倩表示，尽管困难重重，但瑞金医院不断尝试突破技术瓶颈。2023年3月，瑞金医院上线了全流程的数字化病理平台。
此次RuiPath的发布后，瑞金医院在数据层面拥有了百万张的数字切片库，数据量大，疾病的谱系全面。算力方面，首次使用了16张的国产910B的算力卡去训练百万数据，并且通过ModelEngineAI全流程工具链平台节约了80%的数据的处理周期，缩短了70%的业务上线时间。在临床实战中覆盖19个病种、上百个诊断任务，关键指标超90%，诊断效率提升至秒级。
“这次开源，也可以将瑞金医院多年积累的高质量病理数据进行训练和精调，获得临床级模型和工具，基层医院可节省数据准备、模型训练、应用开发的大量初始工作，促进病理AI辅助诊断广泛应用。”华为数据存储产品线总裁周跃峰表示，开源RuiPath病理模型，可以降低医院病理AI辅助诊断部署门槛，提升整体病理诊断水平。
在宁光看来，推动RuiPath病理模型开源，对于完善模型本身以及模型的可及性，有可能起到双赢作用。他表示，该模型可以覆盖中国每年全癌种发病人数90%的19个常见癌种，但还有10%的癌肿还无法覆盖到，开源的话，或有望覆盖更多的肿瘤诊断。
不过，RuiPath病理模型的开源虽然可以推动AI医疗平权，但如何推动更多的医院加入部署病理大模型，数据方面的积累仍存在挑战。
此前，有病理科医生对第一财经记者表示，病理切片及其扫描的质量决定了图像数据的好坏，不同级别医院、不同水平病理人员制作的切片质量差别非常大。制成病理切片全流程的检测仪器、试剂、操作等要素均会影响病理图像质量和病理诊断结果，因此每个关键环节都遵循行业规范和标准，如果没遵循好，也会影响病理图像及病理大模型的质量。医疗数据的安全与隐私保护也是亟待解决的关键问题。
大盛配资提示：文章来自网络，不代表本站观点。
