人工智能和病理

一谈起人工智能，很多人的脑海里立即浮现出的就是“机器人”的形象。这是我们在科技发展上最大的思维定式限制。

尼尔逊教授对人工智能进行了定义：“人工智能是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的科学”。人工智能集多项技术于一身，使机器可以感受、理解、学习并采取行动，人工智能领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统。

2016年3月，阿尔法狗（AlphaGo）以4:1战胜了韩国名将李世石九段，引起了全世界的关注。人工智能和深度学习正在快速改变整个世界。在医疗健康领域，用于疾病诊断和病理分析的人工智能层出不穷。

2017年3月，谷歌开发出一款能用于诊断乳腺癌的人工智能。这款人工智能的表现甚至超过了专业的病理学家。谷歌和Verily的科学家们使用乳腺癌和正常组织的切片，将切片图像分割成数万至数十万个128×128像素的小区域，每个小区域内含有数个肿瘤细胞或正常细胞，所有图像供人工智能学习。

最终，这款人工智能可以分辨出单个小区域内被标注为“肿瘤”的像素，进一步在小区域内标注出“肿瘤区”。学习完成后的人工智能与一名病理学家进行了一场比赛。

130张切片，病理学家诊断的准确率为73.3%，而人工智能的准确率为88.5%。乳腺癌诊断大战人工智能战胜病理学家。

人工智能是未来的发展趋势之一，在病理学领域也不例外。

有说法认为人工智能会淘汰病理医生，目前看来，应该更准确地称为“辅助”病理医生进行诊断。同时，病理医生也要加快自己发展的步伐，关注人工智能的发展趋势，利用好这一技术。

传统的病理诊断就是人工图像识别。人工智能辅助病理诊断主要使用数字图像处理，模式识别和机器学习进行病理切片图像分析，通过提取病理切片图像中的大量相关特征与记忆程序中的病理数据进行分析，以此来帮助病理医生进行更精准的诊断。

如今病理诊断医生紧缺，因为培养病理医生周期长，就是因为人脑积累图像信号、从图像中总结规律的时间长。从一个初级诊断医生到一个经验丰富的高年资诊断医生大约需要阅片10万张，大约10年时间（还要考虑每个医生的个人能力差异，对形态特点的洞察力也是与天赋和努力有密切关系。）。

如果用大数据“喂养”出人工智能，就等于培养出千万个病理医生，不但可以有效缓解人员压力，还能有效规范诊断。

在不久的将来，人工智能可以弥补病理行业人才缺失以及短期内病理诊断经验缺乏的不足，达到质和速的完美结合，成为辅助病理医生诊断的最佳工具。对于病理医师，更应该以长远目光、更大格局主动拥抱人工智能等新技术，共同参与并助力人工智能辅助病理诊断的发展。

今后，人工智能会越来越深地介入到病理医生的工作中，对此应该去拥抱它，而不能去抵触它。不是机器来了，人就准备失业了，一定是人变聪明了，机器才能聪明，这本身就是一个相辅相成的过程。

要善于利用机器来改善自己，减轻自己的劳动强度。

许多从事数学和图像专业的人与病理医生合作时都会惊叹病理学的复杂性，当前病理学的许多问题还没有得到答案，人类还没有了解的内容，机器学习也就无从谈起。所以说，病理学还是一个需要发展的行业，而不是一个即将被机器取代的行业。