在现代计算系统和人工智能技术加持下，传统病理学正转向数字化病理，AI 技术的加持极大解放了病理医疗资源，AI 病理未来规模可达数百亿人民币。
在此背景下，阿里云天池联合英特尔举办了「数字视觉」挑战赛，以赛事推动 AI 技术在产业中落地。
同时举办了「2020 阿里云天池数字病理视觉挑战赛和研讨会」。众多来自第三方病理诊断中心、学术界、产业界的数字病理行业专家出席了研讨。
在历时 3 个月的前期调研以及后期业内嘉宾充分讨论后，研讨会重磅发布了《数字病理诊断排行榜》，评选出了数字病理行业产业链各个环节的 Top 级企业。
病理学被「现代医学之父」威廉 · 奥斯勒称为「医学之本」，其核心方法病理切片分析被医学界公认为癌症诊断的「金标准」。而实际医疗资源的短缺窘境极大程度地限制了病理诊断产业的发展。在我国，目前每个病理医生都超负荷地承担了 5-10 倍的常规工作量，误诊、漏诊在所难免。随着现代计算系统和人工智能技术的引入，病理诊断正逐步升级为数字病理诊断，这项新技术不仅能够以迅速、标准化的方式处理医学影像，还能对可疑影像进行勾画、渲染，并以结构化的语言提出建议，在医院的诊断、数据储存和共享、科研、会议、教学，以及第三方诊断机构的病理会诊中逐渐崭露头角，潜力巨大。可以说，数字病理产业已经成为解放更多医疗资源的关键突破口，被人工智能技术加持后的数字病理解决方案也将成为「医生的医生」。6 月 12-13 日，由英特尔联合阿里云天池发起，机器之心支持，结合动脉网数据库中的病理企业绘制《数字病理诊断排行榜》在数字病理研讨会期间正式发布。报告历经企业调研、评估模型设定、专家打分、企业信息复核 4 个阶段，耗时 3 个月得以成型，针对病理产业链不同环节的重点企业数字化转型成果进行了详实分析和观点呈现。关注「机器之心」，后台聊天对话框回复「数字病理」，获得39页完整报告。一、精准对接行业痛点，阿里云天池「数字视觉」人体挑战赛落幕数字病理发展尚处于早期阶段，AI 技术落地病理行业的实践过程中还有一些难点，比如 AI 技术研发与应用存在鸿沟、终端产品需求不明确等。为加速技术在行业中的落地，阿里云天池联合英特尔发起了「数字人体」视觉挑战赛，宫颈癌风险智能诊断总决赛于 6 月 12 日落幕。
来自细胞检测分类算法赛道和 VNNI 赛道的 20 支队伍通过十几分钟的答辩闯决出了胜负。deep-thinker 团队和 LLLLC 团队分别获得了算法赛道和 VNNI 赛道的冠军。此次大赛以宫颈癌为切入口，旨在通过提供大规模经过专业医师标注的宫颈癌液基薄层细胞检测数据，让选手能够提出并综合运用目标检测、深度学习等方法对宫颈癌细胞学异常鳞状上皮细胞进行定位以及对宫颈癌细胞学图片分类，提高模型检测的速度和精度，辅助医生进行诊断。选手采用模型量化的方法后单张 ROI 区域细胞检测仅需要 0.1s；选手比赛中所沉淀的算法可以嵌入到市面上常用的宫颈癌细胞学数字扫描设备中；预计节约医生 10～20 分钟的阅片时间。英特尔是此次大赛联合主办方，其开创英特尔 ® 深度学习加速技术（VNNI 指令集）用于比赛中极大提升了本次比赛推断效率，将病理筛查的判断时间从 5s 降到 0.1s。大赛的后一天，阿里云天池联合英特尔举办的「2020 阿里云天池数字病理研讨会」也完美落幕。中国科学院计算技术研究所研究员周少华、浙江大学健康医疗大数据国家研究员副院长吴健、迪英加 CEO 杨林、商汤科技智慧健康病理产品负责人黄晓迪、深思考创始人兼 CEO 杨志明等来自产业学术端、技术端、应用端等不同领域的专家出席了研讨。
这些专家就目前 AI 技术落地病理行业的痛点、下游场景需求点、AI 病理未来趋势等问题进行了交流和观点碰撞。研讨会最后，在经过专家的充分论证和长达 3 个月的前期调研基础上，英特尔联合阿里云，结合动脉网数据库的病理企业绘制，重磅发布了《数字病理诊断排行榜》。榜单评选出了病理行业上游（全切片成像系统与设备）、中游（辅助病理诊断）、下游（第三方病理中心）Top 企业榜单，并对其数字化转型成果进行了详实分析和观点呈现。在病理行业数字化转型的大背景下，这批正在转型中的病理企业代表着行业未来走向，榜单的发布很大程度上为传统病理企业提供了权威的数字化转型借鉴。凭借全面、公平、专业的原则，英特尔和阿里云历时 3 个月进行了大量的前期调研，包括企业调研、评估模型设定、专家打分、企业信息复核等多个步骤。具体而言，选择出 33 家全切片成像系统与设备企业、25 家辅助病理诊断企业、19 家第三方第三方病理中心作为备选企业，邀请了 10 位高校教授、5 位医疗机构病理科主任和 5 位投资机构作为评选专家以保证专业性。评选过程中，专家通过网络问卷、电话问卷和深度访谈三个环节，调研企业的产品结构、产品销售、数字化投入、IT 架构和数据业务的影响深度，最后将指标量化，甄选出产品矩阵、数字化投入、IT 架构、业务影响深度 4 个指标，对企业进行综合评分。
产品矩阵：数字化转型将推动产品迭代，榜单选择产品数量（具备医疗器械注册证）、销售收入、在研管线作为衡量产品矩阵的二级指标；
数字化投入：企业数字化转型投入会经历由 “实” 向“虚”的转变，基于数字化投入力度和方向来评估转型程度，本次榜单选择设备购置、人员配置作为衡量数字化投入的二级指标；
IT 架构：企业 IT 架构类型可作为评判企业数字化转型阶段的杠杆，榜单通过企业采用传统 IT 架构、云架构、混合云到混合云中台架构的变迁作为衡量 IT 架构的评分标准；
业务影响深度：数据会从战术层面到战略层面贯穿整个产品周期，榜单选择用户画像维度、服务供给、数据决策、实验创新作为衡量业务影响深度的二级指标。
全切片成像系统与设备位于产业链的最上游，为病理检测提供前处理仪器、试剂、耗材。Top10 企业有两家来自德国和日本的老牌外企，其余都是中国本土企业，规模不一，既有上市公司，又有融资尚处于 A 轮的企业，但都做出了一定成绩，其中江丰生物曾获得英特尔数亿金额都投资青睐。为病理企业提供检测设备，这个环节也是病理信息化转型过程中的「新基建」。无论是病理 AI 的商业化还是信息化产品，「病理科信息化不足」都是一个绕不开的问题，许多医院甚至还在使用物理玻片的方式进行收集和存储。目前病理科信息化有两种方式，一是对传统设备的中间环节赋能，例如腾讯此前发布的智能显微镜，在诊断中加入 AI 识别，做部分场景优化。但玻片依然是物理形式，最后储蓄在玻片柜中，除了在诊断环节进行辅助以外，无法做到数据价值的进一步挖掘。此次上榜企业不少都采用了创新性的方式，对病理数据的源头进行数字化改革。例如，江丰生物的数字病理扫描系统，直接将采集的样本转化为数字形式，后续所有流程都实现信息化、线上化，其中也包括 AI 产品的诊断识别；帝麦克斯将切片全数字化后、通过图像管理系统进行保存、浏览、分析、上传至远程诊断平台，可进行实时远程病理会诊
辅助病理诊断处于 AI 病理诊断的中游，提供完整的病理诊断系统。上榜的 Top5 均为国内创新企业，成立时间较晚但实力强劲。辅助病理诊断需要将 AI 与实际病理诊断场景深度结合，考验技术落地能力。以上 5 家企业不仅研发能力强，而且产品均已经在国内外大量企业中实现临床应用，并获得客户认可。其中 Top1 兰丁医学落地实力强，从宫颈癌这一单一癌种切入，提供人工智能筛查系统，2019 年营收超过 1 亿元。迪英加已经和国内外超过 50 家以上的三甲医院建立了深度合作，产品已经在美国得到了比较广泛的应用，美国现有客户已经达到几十家。透彻影像是目前业内已知的准确率和效率最高的胃部疾病深度学习辅助诊断系统，同样与中国人民解放军总医院、中国医学科学院肿瘤医院、北京协和医院等多家医院达成了合作。
第三方病理中心是 AI 病理诊断的下游应用市场。上榜企业分别为精准诊断服务商弘泰嘉业、第三方病理检验机构华银健康和首家首家获得独立第三方病理诊断中心牌照的病理诊断中心衡道医学。
其中弘泰嘉业已经深耕产业十几年，利用互联网 +、数字化病理技术应用和 O2O 模式，自主研发软件平台，先后全资建立了第三方独立医学检验所和 H-T 精准诊断云平台。诊断效率极高，从提交会诊申请到诊断报告返回，全程不超过 24 小时，加急不超过 4 小时。华银健康由南方医科大学及广州华银共同组建，围绕病理诊断、教学、科研与临床转化的国内大型临床病理诊断中心，实验室已通过美国 CAP 质量认证专家评审。截止目前，该集团临床服务覆盖全国 27 个省区超过 2000 家医院，拥有五个省级实验室，年诊断标本量超过 850 万例。衡道医学座落于上海市的核心病理诊断中心，占地 3200 平米，为目前我国境内单体最大的病理诊断机构，以 “全职医技团队 + 一线会诊专家 + 共建联合平台” 多层级模式，依托「数字远程会诊网络 + 实体中心 & 物流支持」，为基层医院提供的病理会诊及诊断支持，专注解决术中冰冻、疑难会诊、各类特色穿刺活检和小标本快速诊断。以上企业均已经构建了人工智能基础设施，将 AI 和数字化融合到病理中心的全流程运用中。并且，大都采用院内院外相结合的商业模式，不仅为医疗机构提供全方位病理平台建设服务，还联合国内外专家为多级医院提供远程病理诊断。经过大量调研后，榜单针对行业现状总结出如下核心观点：1）当前一些数字病理技术只改变了病理切片载体，对于提高效率助益并不显著，需要全流程数字化改造。2）病理中心数字化转型涉及到从设备到运营全方面的数字化，其中基于云计算的远程会诊可以极大提升基层病理诊断能力。3）通过院内院外协同的方式，第三方医检所可以联合大量基层医疗机构，激发巨大的市场空间。国产全切片数字病理设备话语权正不断提高。4）人工智能在病理诊断中的应用尚处于发展，数据是核心资源也是最需攻坚的难点，海量标准化数据积累下的算法精进将极大提升病理诊断利用效率。4）独立病理诊断中心正在向上游追溯，不断优化数据处理和分析能力，这将极大分流院内病理诊断压力。 
