世界首创骨髓抹片AI后又一击,云象联手林口长庚再挑战血液科病理难题!

台湾数字病理公司云象与林口长庚纪念医院今(16日)宣布共同联手,要打造一套骨髓增生性肿瘤判读AI,解决血液科长久难治的诊断难题。他们正一方面收集资料,一方面标注资料,同时,双方也联手国际知名药厂诺华,要提供相关治疗方法。这是云象继前三年联手台大医院、打造世界第一套骨髓抹片数据库和自动分类计数AI后,再一次挑战另一道血液病理科难题。

什么是骨髓增生性肿瘤?为何连病理科医师都公难判断?

林口长庚纪念医院血液科郭明宗医师指出,骨髓增生性肿瘤是一种血癌,原因是骨髓产生过多血球,导致血球数异常。根据WHO说明,骨髓增生性肿瘤可分为4类,包括真性红血球增生症、原发性血小板增生症、骨髓纤维化和显著骨髓纤维化。

不管是哪种类型的骨髓增生性肿瘤,患者所表现的症状,都类似于日常生活发生的症状,难以立即区分。郭明宗指出,这就是“特异性低”,比如,原发性骨髓纤维化的症状有体重下降、注意力不集中、疲劳、易有饱足感等,而原发性血小板增生症则有疲劳、夜间盗汗、手脚麻痛等症状,至于真性红血球增生症,则表现出头晕、视力受影响、呼吸困难、牙龈出血等症状。

为了精准诊断疾病,世界公认的做法是通过骨髓病理切片来判断,WHO也将此列为诊断必要条件。如此,医师才能针对不同类型的骨髓增生性肿瘤,提供最适合的治疗,如放血、口服标靶药物、抗血栓药物等。

但是,这类切片判读存在极大难度。林口长庚医院解剖病理部副主任庄文郁解释,病理科医师必须在显微镜下,仔细评估各种造血细胞的数量、形态,甚至是空间分布状况和临床信息,才能得到精准的诊断。

也因此,“骨髓增生性肿瘤被视为困难诊断的血液疾病,”庄文郁说。而且,人工判读很难取得客观量化的结果,这对经验较少的医师来说,就更难判断。

林口长庚联手云象,要打造血液病理AI加速骨髓增生性肿瘤判读

不过,这情况可借助数字病理AI来辅助。

庄文郁表示,通过林口长庚多年累计的病理切片资料和医师标注,可训练出一套血液病理AI模型,来识别造血细胞的形态、特征,以及空间中的细胞数量和分布状况,辅助医师判读。

如此,医师就能得到更客观一致的量化标准,提升诊断准确率、弥补经验落差。此外,病理AI也能减轻医师判读大量玻片的负荷,更能加速临床流程,协助医病尽早发现、尽早治疗。

为打造这套AI,林口长庚联手在病理AI耕耘多年的云象。云象首席执行官叶肇元指出,双方目前收集了96例骨髓增生性肿瘤切片案例,也正一边标注这些案例,一边收集更多案例。接下来,他们将用这些资料,来训练AI判断细胞占比、分布和形态等特征。

这也是云象继2018年打造出世界最大、涵盖60万颗的骨髓抹片数据库和自动计数AI后,再度挑战的另一道血液科病理难题。在台湾,云象也有不少病理AI成果,像是与北医研发全玻片判读技术、实现骨髓膜片AI全自动化,或是与林口长庚开发脊椎特征量化分析AI、淋巴结数量判断等。

全院病理数字化政策,奠下林口长庚病理AI基础

“林口长庚是全台最忙的医院,每天都有近万笔病理切片要诊断!”林口长庚纪念医院解剖病理部主任陈泽卿说。为加速病理科医师作业,也为了让医病尽早发现问题、尽早治疗,早在2018年,林口长庚就制定了一项适用于全体系医院的关键政策:要将全院病理切片玻片数字化。

这项政策启动至今,林口长庚已完成院内38万片玻片的扫描。 “这些玻片堆起来比台北101还要高25楼!”陈泽卿点出,玻片数字化不仅能省下病理科医师传统判读的时间,还有助于长庚跨科数字远程诊断的方便性。去年,林口长庚也打造了淋巴瘤诊断及疾病预后预测,今年则要发展骨髓增生性肿瘤判读AI,来解决血液科病理难题。

发表评论