近年來，人工智能+醫療已經成為業界的熱門話題。計算機技術與醫療服務的跨境合作為該行業的未來發展提供了新的維度。人工智能主要應用于疾病診斷、醫療輔助、醫學發展等方面的醫學領域，包括病理診斷、影像診斷、語音識別、健康管理、可穿戴設備、醫院管理、心理健康、藥物開采、生物技術等多個環節。由于數據量大，對醫生的要求高，病理診斷領域已成為人工智能在醫療行業應用中最重要的細分領域之一。

       病理AI利用人工智能算法對數字化病理切片進行診斷。目前更典型的應用程序被稱為DNA測試,身體是2倍的正常細胞和細胞分裂的過程中在兩到四倍的身體條件,和腫瘤細胞將顯著異常DNA內容,出現異常DNA倍4倍體細胞,通過檢測異常細胞DNA倍,可以知道樣品的突變細胞,具有良好的應用程序在腫瘤的早期診斷,并能提高診斷的效率,提供標準化、量化的檢測指標。

       在常規病理診斷和癌癥篩查中引入人工智能輔助甚至替代人工工作，可以有效彌補人工診斷效率低、病理學家不足、缺乏統一的質量控制管理等問題。

       病理AI診斷過程主要包括標準化切片制作、數字化切片掃描、AI算法讀取切片、AI提示陽性切片手工復核等環節。實現病理AI診斷的關鍵是標準化準備、數字化處理、充足的基礎數據來訓練算法模型，以及控制AI算法的假陰性率(將病理細胞誤認為正常細胞)。作為一種用于診斷的計算機AI識別圖像，對切片圖像的標準化要求很高，能夠保證穩定的制備和成像標準的儀器是病態AI算法發展的基礎。第二病理診斷覆蓋疾病種類較多,特別是在各種類型的癌癥,為了實現準確的診斷各種疾病病理AI情況下需要大量的數據來支持,該行業的主要方法是通過人口普查的常見疾病輔助診斷病理學醫生減少重復工作,提高病理診斷效率,的假陰性率的模型算法控制的關鍵病理AI,在保證有效的病理診斷效率的前提下，防止由于算法誤判而導致的診斷病理AI可以保證，從而促進診斷。

       病態人工智能的發展包括數據積累、算法開發和場景應用

       病理學AI的開發過程主要包括有效數據的收集和積累，基于有效數據的算法開發，模型訓練，醫院和第三方檢測場景的應用。數據庫包括相關硬件設備制造商和醫院、第三方檢測機構、算法開發涉及權威病理專家組、智能算法開發企業等。人工智能應用場景返回醫院病理科和第三方檢測機構。針對不同的下游醫療應用場景和病理診療特點，開發了不同的輔助醫生診斷的算法，隨著數據量的擴大和下游需求的不斷更新。

       哥倫布醫療是醫藥行業撮合性服務平臺，它集批發釆購及信息發布于一體，借助互聯網的力量，整合醫藥行業上下游資源，打通行業流通閉塞，提升流通效率。

       有效數據的積累是病理性人工智能算法發展的關鍵。目前，該行業還處于發展的早期階段，有效數據的積累是進入下一階段的關鍵。中國大部分醫療數據存儲在醫院和第三方檢測機構。一方面，醫院內部臨床數據中心建設不完善，內部數據互聯共享水平較低。另一方面，第三方檢驗機構擁有良好的數據資源積累，但由于相關設備和軟件的差異，不同的檢驗機構數據標準化程度不同，往往會根據自己的數據資源開發算法。

       轉自 搜狐網 哥倫布醫療