病理診斷數字化時代已開啓，醫生看病更方便了！
病理作爲公認的診斷“金標準”，在疾病的診斷、治療乃至預後中具有舉足輕重的作用。然而，幾百年來傳統的使用物理切片的工作模式使得病理圖像信息只能侷限於病理科的顯微鏡下，不僅限制了病理醫生間的交流，同時在多學科診療等方面產生了諸多限制。
將物理玻片數字化一直都是病理發展的方向。最簡單的數字化是通過接在顯微鏡下的CCD相機進行拍照實現的，這種方式只能對特定放大倍數下一個視野的區域成像，需要逐個視野手動操作，更是無法保存切片的全部信息。全切片成像技術是掃描整張切片從而生成數字化切片，可以克服物理玻片的諸多不便。由於高倍掃描得到的數字切片文件大小動輒數G，數字病理在發展初期主要應用於教學科研和遠程會診等使用率不高、數據量不大的場景中。
圖像質量是診斷的基石。掃描技術和圖像重建技術的發展使得高清的數字切片已經可以替代顯微鏡下觀察。
2017年發表在AJSP上的一項多中心研究通過對3400張切片進行了16000次的判讀，證明該飛利浦intelliSite數字病理系統得到的全切片圖像質量與傳統顯微鏡觀測相一致，從而可用於臨牀診斷。基於此項研究結論，FDA批准了該系統成爲了首個可以用於臨牀診斷的數字病理系統，目前也僅有兩款掃描儀獲得此項許可。而全自動高速及高成功率的掃描也是應用於繁忙臨牀工作流的必要條件。
同時，網絡和存儲的性能提升及成本下降則是使病理診斷的全面數字化變得現實及可行。千兆網、5G等技術的普及使得高達幾個GB的高清病理圖像的傳輸不再受限。而海量數據的存儲成本也在逐漸降低，很多醫院都建立了集中的數據存儲中心。由此，病理科臨牀診斷的全面數字化已經逐漸走入現實。
目前世界範圍內已經有荷蘭LabPON等幾十家病理中心或者實驗室進行了全數字化的升級。在大中華範圍內，臺北榮民總醫院率先從去年開始分三期進行了全數字化建設。病理臨牀診斷的數字化時代已經開啓了。
更好的支持臨牀診療
傳統的物理切片只能在病理科的顯微鏡下觀察。在多學科會診時，病理醫生需要事先花大量時間將病例找出來，並對可疑區域逐個進行拍照和整理。這樣不僅費時費力，而且容易遺漏信息，影響診療決策。
在數字化的工作流程中，病理醫生不僅無需額外的手工拍照，查找調閱病例也是非常簡單快捷，而且隨時可以展示任意切片的任意區域，還可以一鍵式的跳轉到標記好的重點區域，信息交流方便而全面。
傳統模式下各科室想要查看和使用病理圖像需要去到病理科請求病理醫生額外進行拍照，效率低下且非常不便。數字化的工作流程中所有切片都已經是數字影像了，無需額外操作就可以方便的分發。
而網頁式的登錄方式使得醫生無需事先安裝和配置客戶端，隨時打開醫院網絡中的任意一臺電腦均可登錄到數字病理的系統中。這樣，只要病理科授權，任何科室的醫生都可以在自己的辦公桌前方便的獲取病理影像，並且進行測量等分析，從而大大提高臨牀，教學及科研的質量。
助力臨牀大數據庫建設和AI系統開發
在診療新技術和新方法層出不窮的時代，通過大數據進行標準化和規範化的臨牀研究對於提升療效和預後至關重要。而病理信息，尤其是原始的病理影像則是相應的大數據庫和診療決策平臺必不可少的數據源。
顯而易見，只有臨牀診斷數字化才能自然地爲臨牀大數據庫提供足夠的病理信息。由於數字病理尚缺乏相應的行業規範，各個廠家使用的圖像格式都不同，這就給數據的長期可用性提出了挑戰。只有如iSyntax這樣完全開放的數據格式，才能爲病理數據的長期可用和進一步開發提供保障。
隨着對病理診斷精準性要求的不斷提升，越來越多的定量測量進一步增加了病理科的工作壓力。AI等高級分析算法則不僅會節約病理醫生的寶貴時間和精力，也提升了相應測量的準確性和可重複性。
相比於目前AI公司基於各自研發的產品而特地對少量病例進行拍照和勾畫的模式而言，臨牀流程數字化將方便而自然地構建通用的AI訓練數據庫，減少了很多重複勞動，也大幅提升了數據量。這會極大提升病理AI輔助診斷系統的效能和開發速度。
另一方面，AI等高級分析工具的生命力在於能使醫生在臨牀工作中隨手可用，而非侷限於特定的孤立工作站中，這也要求圖像診斷平臺是開放的，可以與第三方的分析工具相集成，從而真正提升醫生的工作效率。所以，只有開放的數據格式和開放的系統平臺才能真正地創建病理大數據庫，提升病理數據的價值，從而服務於臨牀乃至產業發展。
小健說：
今天的文章對你有幫助嗎？
歡迎點個“在看👀”或者看完點個“贊👍”
