最近，AlphaGo 2.0接连战胜柯洁的消息不断刷爆朋友圈，人工智能将最聪明的人类棋手斩落马下已经是不争的事实，所有信号都在显示奇点正在来临。如果说比赛炫技和泛娱乐的成份更多，那么AI在医疗领域中的突破则真正将人工智能带入更广阔的生命科学领域，成为造福全人类的新动力。
早在2016年年中，恒扬数据就开始对机器学习进行预研。经过半年的准备和调研，2017年初公司正式组建团队成立了恒扬机器学习实验室，并将目标锁定通过机器视觉CNN卷积神经网络协助病理医生完成对数字病理切片的智能化诊断。
公开资料显示，随着肿瘤发病率的快速上升，病理诊断在临床医学上的作用越来越重要。在国外，人们将病理医生称为“医生中的医生”，病理结果是癌症最终确诊的“金标准”。然而在我国，现状却令人尴尬，病理医生数量严重不足，据国家卫计委统计数据显示，全国注册职业病理医师只有约9800人，这意味着每14万人中才有1名病理科医生，缺口达到4-9万人。
更令人深感忧虑的是，病理医生并不受重视，网上对病理医生的流行说法是“位轻钱少责任重”，这样造成的结果是病理医生大量流失，病理诊断含金量不足，二甲医院初诊符合率35%，市级医院37%，县级医院25%。
计算机视觉领域的突破为病理辅助诊断带来曙光
随着医疗影像数字化的普及以及计算机视觉领域的创新和突破，人工智能给病理领域带来了颠覆性变革，所带来的生产力革命将彻底改变病理从业者的工作现状。
恒扬机器学习实验室主任陈龙森表示，降低工作负荷以及迅速提高诊断含金量是病理学界首要解决的问题。一方面，在很多实际的病理工作中，如结核杆菌、癌细胞分裂计数等工作，难度不大，但很花时间，看一张片子要花费病理医生半个小时到一个小时的时间，不但浪费了大量宝贵时间资源，而且很容易造成病理医生视觉疲劳，导致误诊漏诊。另一方面，培养一个可独立出报告的病理医生需要10年左右的时间，真正有经验的医生要在看过几万张片子后才能达到专家级水平，国内现在这样的病理医生极为稀缺，大多数基层医院病理医生的诊断水平还有待提升。
机器不需要休息，不会感到疲劳，用机器来帮助医生分担一些工作负荷是缓解病理医生紧缺极好的方法。人工智能病理辅助诊断系统通过将深度学习CNN卷积神经网络算法与强大的GPU运算平台相结合，可快速地分析、提取出数字病理切片中的病灶特征、并进行位置标注和量化记数，协助病理医生高效地完成疑似病症的预判和诊断。
与培养病理医生类似，进行人工智能病理辅助诊断需要分成训练和诊断两个阶段。在训练阶段，需要给机器喂食大量的已知数据。在数字病理图片上标注正常和病变组织，就是训练诊断系统的知识，或称标注数据。通过对数千张标注数据进行训练，人工智能病理辅助诊断系统能够具备与专家相媲美的诊断能力。
陈龙森介绍说，与B超、核磁、CT、PET等医学影像诊断相比，人工智能病理诊断更加复杂，一张病理全片有1-2G大小，包含大约10万个细胞，而且由于前期制片原因，病理切片的色彩归一化问题，后期泛化等问题都更难解决，目前，恒扬已经在结合抗酸杆菌、肠癌、前列腺癌等一系列病理诊断上有了模型积累，我们相信，用机器来帮助医生分担一些工作负荷很快就会实现。我们的目标是让每个医生的眼睛看得更远、更准。对此，陈龙森信心满满。 
