朱莉安娜·伊安尼，Proscia 人工智能研究与开发副总裁 – 采访系列

朱莉安娜·伊安尼（Julianna Ianni）领导 Proscia 的人工智能研究与开发，致力于开发高质量的计算病理产品。 Proscia 正在通过其 Concentriq^® 数字病理平台和计算应用程序管道，推动实验室超越传统工具的局限性。这些技术在现代数字实验室的中心运作，正在改变病理学的经济和实践，利用现代数据驱动的医学来对抗癌症。

您能否分享 Proscia 的起源故事?

病理学是生物医学研究和癌症诊断的核心；然而，尽管我们看到数字化影响了医疗保健的几乎所有其他方面，但病理学在其 150 年的历史中基本上没有改变。它仍然围绕着病理学家在显微镜下识别组织中的模式。这种做法本质上是手动和主观的，两个挑战进一步因病理学家数量减少和癌症负担增加而加剧。

Proscia 成立的目的是为了推进这一标准。我们的创始人认识到一个机会，即通过推动病理学从显微镜到图像的转变来对抗癌症。通过推动数字病理学的发展，我们使实验室能够简化运营，实现质量和生产力的显著改善，并解锁人类眼睛无法看到的新见解。这些好处的总和正在帮助研究人员加速突破，并帮助病理学家改善全球患者的结果。

自我们早期以来，我们已经聚集了一个由领先实验室、医疗系统、生命科学公司和研究组织组成的客户群。我们与约翰霍普金斯大学、宾夕法尼亚大学和 20 家最大的制药公司中的 10 家合作。我们还最近宣布，世界上第一个实现 100% 数字病理学诊断的实验室 LabPON 将转向我们的软件平台，而世界上最大的人类组织数据仓库——联合病理中心（Joint Pathology Center）也将使用 Proscia 进行数字化转型。

Proscia 是一家数字和计算病理公司。您能否向我们的读者解释这意味着什么?

从高层次上讲，数字病理学是使用扫描仪对玻璃显微镜片进行数字化，然后使用软件（包括利用人工智能的计算应用程序）对其进行查看、管理、共享和分析的做法。

Proscia 特别关注软件方面的内容。我们提供一个名为 Concentriq 的核心平台，为实验室提供所有必要的企业功能，以进行日常病理操作。Concentriq 还作为我们正在开发的一套人工智能应用程序的起点。

我之前提到了人工智能启用的数字病理学的好处，包括提高效率和生产力以及解锁新见解。让我们深入探讨一些具体的用例，以了解这些好处如何体现。其中一个特别重要的用例是使实验室能够在 COVID-19 期间实现远程运作。由于实验室必须调整工作方式以适应社交距离，数字病理学使病理学家能够继续工作并为患者提供服务，因为它使他们能够轻松共享图像并按需查看图像，使用 Concentriq 等平台。实验室的替代方案通常是将物理玻璃片送到病理学家的家中。想想这可能有多耗时和昂贵!

更一般地说，当我们考虑数字和计算病理学解决方案（如 Proscia 提供的解决方案）如何使病理学家能够改善质量和效率时，无论是通过使共享图像以获得第二意见变得更容易，还是通过帮助消除实验室中容易出错的、手动任务，最终都使患者能够更快地获得正确的诊断，这一点至关重要。早期治疗往往会带来更好的结果。

您能否描述机器学习在病理学中的应用现状以及其发展方向?

这是一个大问题！机器学习在病理学的许多领域显示出希望。机器学习在病理学中的一个常见应用是识别图像中特定区域以吸引病理学家的注意力，例如识别组织中的肿瘤组织。它还可以提供组织样本的定量见解，例如计算细胞中有多少细胞正在经历分裂（这是癌症的常见标志）。一些研究人员还致力于解决分类问题，例如根据图像的诊断或特定模式对其进行分类。其他人正在研究使用机器学习来预测患者的结果或对特定治疗的反应。这个领域正在进行的工作非常有趣!

最终，在病理学中，大多数机器学习用例都旨在解决几个临床和研究问题。第一个问题是数量问题，我之前提到过。案例数量不断增加，而可用的病理学家数量却在减少。病理学中的大多数机器学习都旨在提高诊断的效率，无论是在个人还是实验室层面。第二个主要问题是诊断和护理的质量——我们如何提高诊断的准确性，如何提高预后，如何提高患者的结果?

为了回答您问题的第二部分，我应该区分当前的研究阶段和实际的临床实践。目前，领域中的大部分工作都是研究，而将一些研究成果转化为临床实践可能非常具有挑战性。这就是我认为机器学习需要去和将要去的地方——建立系统和质量水平，以便将一些研究成果转化为实践，并将这些成果带给病理实验室和最终的患者。构建在“真实世界”中起作用的人工智能一直是 Proscia 的方法论。

Proscia 的 DermAI 利用深度学习对数百种皮肤疾病变体进行预筛选和自动分类。您在设计和开发此应用程序时的主要考虑是什么?

首先，我们必须考虑我们要构建什么系统。我们希望它能够对任何皮肤病变进行分类，而不仅仅是特定的类型。正如您所说，皮肤病理学中有数百种变体。因此，我们必须确保我们的训练集中代表了所有这些变体。构建一个包含足够多样化病理学的数据集可能非常具有挑战性，因为有些病变比其他病变更为罕见，构建一个包含足够多样化病理学的数据集可能非常具有挑战性。

第二，我们必须考虑到，我们不仅仅是在为一个单一的实验室或特定的扫描仪构建系统，而是要构建一个可以在任何实验室的图像上、在任何扫描仪上运行的系统。不同实验室和扫描仪之间的图像外观可能会有很大差异，例如颜色、亮度、伪影等。我们必须开发一个可以处理所有这些差异的系统，而不需要大量数据来校准和使其在新实验室中运行。

我们在构建能够在“真实世界”中运行的人工智能系统时，还有其他几个考虑因素。其中一个对我们来说特别重要的是，代表“未知数”。毕竟，我们知道人工智能系统并不完美，皮肤病变中有很多变数。我们需要 DermAI 能够知道它不知道什么，并在它不确定时能够提供相关信息。因此，我们构建了一个方法来为每个分类分配一个置信度分数，我们设计了这个分数与系统的性能相关。这样，我们就可以调整系统的性能；如果我在实验室中使用它，需要非常高的准确性，我可以设置 DermAI 只提供高置信度分类。如果我的用例对错误更为宽容，我可以包括低置信度分类。

DermAI 在病理学中最全面的研究之一中得到了验证。您能否总结这项研究及其主要发现?

这是一项非常雄心勃勃的研究。正如我之前提到的，皮肤病变中有很多变数，这转化为对应的病理图像，我们希望开发一个可以自动对任何常规准备的皮肤病理切片进行分类的系统——无论来自哪个实验室或哪个扫描仪。想法是病理学家可以使用它来对案例进行分类和分诊，在他们坐下来进行诊断之前，按某种顺序对案例进行优先级排序，而不是随机顺序，并确保正确的案例被发送到正确的病理学家，而不是稍后被发送到其他地方。没有人在我们开始开发它几年前展示过类似的东西。我们开发的系统将图像分类任务分解为多个阶段，使用深度学习和基本计算机视觉技术的组合——检测切片上的组织，调整图像外观，使其成为熟悉的空间，检测感兴趣的区域，并最终根据组织中的模式对其进行分类。重要的是，我们如何测试它。虽然我们只在单个实验室的 5,000 张图像上训练了系统，但我们在三个完全独立的机构上校准和测试了它，这些机构的数据我们的系统以前从未见过。通过这样做，我们展示了构建一个可以对皮肤活检进行分类的 AI 应用程序的可行性，该应用程序可以在多个站点上运行，需要最少的校准。由于我们测试的数据模拟了每个站点的预期工作量，因此我们可以相信在安装 DermAI 到实验室中时看到的性能将与这里展示的性能相当。并且由于系统是可调的，通过调整置信度阈值，我们可以将其调节到至少 98% 的准确性。

研究中的一项观察是，深度学习算法对图像伪影很敏感。这些图像伪影在这种情况下是什么？解决这个问题的一些解决方案是什么?

是的，几项研究已经证明了人工智能系统在病理学（以及其他领域）中对图像伪影的敏感性。这些通常是我们人类大脑容易忽略的简单事物——例如，切片上的污垢、轻微的照明变化、模糊的图像区域或病理学家经常用来标记肿瘤区域的笔迹。这些只是几个例子，还有很多其他的。人工智能系统如果没有被正确暴露在这些问题中，可能会被这些问题轻易欺骗。

解决图像伪影问题有两种方法。第一种是清洁——确保训练和测试图像已被彻底清洁，数字化或物理地，没有任何伪影。如果您要在多个站点安装人工智能系统，这种方法有时很容易执行，但在现实世界中更难一致地执行。因此，我们采取了第二种方法——确保这些类型的伪影在我们的数据中得到很好的代表。我们在发送给我们的切片上没有清洁，因此我们在数据集中有很多奇怪的问题的表示，这些问题您可能不会在一个完美的训练集中看到，但最终您会在现实世界中遇到。这样，我们就可以确保我们的系统在面对训练中未见过的图像伪影时已经准备好了。

像 DermAI 这样的 AI 应用程序如何在病理实验室中实施?

这是一个很好的问题。虽然不同的实验室采取了不同的方法，但我们相信实验室将通过利用人工智能启用的平台来扩大其人工智能的采用。如我之前所述，实验室的数字病理操作围绕着一个平台展开，用于查看、管理和分析图像。Proscia 的平台 Concentriq 提供了所有这些功能，并且还作为我们正在开发的一套人工智能应用程序的起点。

您还想分享关于 Proscia 的其他信息吗?

我对我的团队和我正在做的工作感到非常兴奋。不幸的是，我们都知道有人被癌症影响，并对他们和他们的亲人产生了重大影响。我们的工作有可能改善患者的结果，并真正产生有意义的影响。这是我为之自豪的东西。

在此期间，看到这么多领先的组织也相信我们正在做的工作真是太好了。就在过去的几个月里，联合病理中心（JPC），它拥有世界上最大的人类组织数据仓库，选择 Proscia 来数字化其档案。JPC 有几个理由希望转向数字化，包括加速人工智能的开发。世界上第一个实现 100% 数字病理诊断的实验室 LabPON 也最近选择了 Proscia 的平台来扩大其病理操作，并为实施人工智能奠定基础。LabPON 将与我们合作开发和验证我们的 AI 系统。最后，我们认识到我们无法独自改变病理学的实践，并且我们正在不断扩大我们的团队。如果您有兴趣加入我们，我鼓励您 了解更多关于 Proscia 并 查看我们的开放职位。