A practical roadmap to implementation of in-house developed computational pathology algorithms

在现代病理实验室那静谧、玻璃墙环绕的房间里，一种新型的助手开始与诊断疾病的医生并肩工作。几十年来，病理学家的职责是在显微镜下检查组织薄片，寻找肉眼可能会忽略的癌症微小征兆。这项工作缓慢、细致，且需要极高的专注力。近年来，计算机也学会了这种观察工作。利用一种人工智能形式，这些程序可以扫描组织切片的数字图像，并以媲美人类专家的速度和精度发现异常。然而，尽管这项技术在研究实验室中进展迅速，却很少能跨越到医院的日常流程中。从一个在测试中表现良好的计算机程序，到被信任用于在真实诊所中挽救生命的工具，其间的鸿沟是巨大的，充满了安全、监管以及医生实际工作方式这一复杂现实所带来的重重障碍。

荷兰拉德博德大学医学中心的科研团队现在填补了这一鸿沟。他们不仅构建了一个聪明的算法，还建立了一个完整的系统，将该算法应用到他们自己的医院中，直接与病理学家协同工作。他们的目标是解决一个特定的、高风险的问题：确定乳腺癌是否已经扩散到前哨淋巴结（即癌细胞最可能迁移的第一站淋巴结）。过去，医生必须手动检查每一张切片，如果他们没有看到癌细胞，通常必须订购第二次、更昂贵的检测以确保万无一失。研究人员希望看看他们的内部计算机工具能否帮助他们跳过不必要的步骤、节省时间并捕捉到更多癌症，同时遵循严格的安全规则。

这段旅程始于一个简单但困难的问题：一个计算机程序能否被信任来从事这项工作并确保安全？在让该工具接触真实的患者档案之前，团队对其进行了一系列严格的测试。他们向程序输入了淋巴结的数字图像，包括48个阴性切片和总计100个病例，其中一些包含微小的癌细胞簇。他们想看看计算机是否会犯错，例如漏掉癌细胞或将健康的部位错误地标记为危险。结果令人放心。当计算机观察健康组织时，它百分之百正确地将其识别为阴性。当它观察含有癌细胞的组织时，它找到了绝大多数病例，仅漏掉了极小的细胞簇。至关重要的是，团队还测试了计算机是否会被切片染色或扫描方式的轻微变化所干扰，从而模拟繁忙实验室中发生的自然变化。该工具保持了稳定和可靠，证明它能够应对工作实验室中的复杂现实。

在确认了技术性能后，研究人员进入了下一阶段：观察医生在使用该工具时的表现。他们设定了一个场景，让病理学家在有计算机辅助和没有计算机辅助的情况下分别进行病例评审。结果显示出明显的益处。当医生得到计算机的协助时，他们能够更频繁地发现癌症，捕捉到原本可能漏掉的病例。更重要的是，该工具改变了工作流程。在旧系统中，医生查看切片后，如果没看到癌细胞，仍需等待第二次专门的染色来确认结果。有了新系统，如果计算机对切片为阴性非常有信心，实验技师就可以立即申请进行第二次染色，而无需医生再次查看第一张切片。这一微小的变化意味着对于阴性病例，医生甚至不需要花费时间去查看初始图像。对于发现癌细胞的病例，做出决策所需的时间显著下降，从平均九秒降至仅四秒。

然而，团队知道速度和准确性是不够的。在医院里，安全是绝对的优先级。在工具正式上线前，团队必须绘制出流程中的每一个步骤，以寻找潜在的失效点。他们召集了病理学家、实验技师和安全专家，共同设想所有可能出错的情况，从计算机崩溃到读取结果时的人为错误。他们发现没有任何无法管理的重大风险。他们设计的系统使计算机的结果清晰地显示在病理学家的屏幕上，使其作为一个有用的引导而非替代品。如果计算机标记某个位置为阳性，医生会立即看到。如果它显示为阴性，技师就会进行下一步，但医生仍然掌握最终决策权。这种周密的计划确保了技术是支持医生，而不是让他们感到困惑或绕过他们的专业知识。

拼图的最后一块是将该工具融入医院现有的数字化世界。研究人员构建了一个定制的软件桥梁，将他们的人工智能连接到医院的主图像系统。这个桥梁就像一名安全的信使，将数字切片从医生的视图中提取出来，发送给计算机进行分析，并将结果瞬间传回。所有这一切都在医院自己的安全网络内完成，这意味着任何患者数据都不会离开大楼。该系统设计具有灵活性，能够处理随着医院规模扩大而增加的工作量，并且足够简单，使员工不需要学习全新的工作方式。

一旦系统上线，团队便观察了它在现实世界中的表现。该工具目前正用于其病理科，作为工作流的一部分，帮助更准确地识别癌症并减少需要进行的非必要检测。研究人员发现，成功实施这一工具需要的不仅仅是一个聪明的算法；它还需要对医院运作方式的深刻理解、对安全的承诺，以及重新设计日常工作流程的意愿。他们证明了，当你以医生和技师为中心进行构建，并遵循严格的安全与监管规则时，人工智能可以从研究论文中的概念转变为抗击疾病过程中值得信赖的伙伴。这项工作为其他医院提供了一条清晰的路径，表明医疗诊断的未来不在于取代人类专家，而在于为他们提供能够发挥最佳水平的工具。虽然该工具目前正在使用中，但团队通过持续的上市后监测，继续关注其长期性能和安全性，以确保其效益得以持续。