河南手機報記者 許光琳

到醫(yī)院做病理檢查，拿到病理報告，現(xiàn)在大概需要3-5個工作日，以后這個時間會被大幅縮短。今天做完病理檢查，次日病理報告可能就能到手。

記者今日從鄭州大學第三附屬醫(yī)院（河南省婦幼保健院）獲悉，7月底，由該院和清華大學自動化系吉印通開發(fā)的世界首個滋養(yǎng)細胞疾病病理大模型GTDoctor，以及智能輔助診斷系統(tǒng)GTDiagnosis成功發(fā)布，將對提升婦科病理診斷，特別是針對妊娠滋養(yǎng)細胞疾病的病理診斷效率和準確性帶來革命性的改變。

記者了解到，清華大學自動化系師麗教授團隊通過收集鄭大三附院病理科七年來上千張妊娠滋養(yǎng)細胞疾病病理切片，經(jīng)過專業(yè)病理醫(yī)師精確病灶標注，形成了富含十萬余張多尺度圖像樣本的葡萄胎病理切片數(shù)據(jù)庫，為GTDoctor提供了有力數(shù)據(jù)支撐。

經(jīng)過在數(shù)據(jù)庫中的訓練，GTDoctor有著優(yōu)秀的病灶識別性能。令人驚喜的是，GTDoctor不僅能夠進行病灶識別，還可以結(jié)合臨床診斷邏輯，與專業(yè)診療指南知識庫，自動生成智能病理診斷報告。

同時，GTDoctor和GTDiagnosis“聯(lián)手”，還能在不同的病理醫(yī)療條件下實現(xiàn)自動診斷。

“有的醫(yī)院傾向于用病理切片掃描儀掃描，有的醫(yī)院傾向于用顯微鏡看，不論哪種條件，系統(tǒng)都可以進行病灶識別，自動生成診斷報告。”鄭大三附院病理科主任曾憲旭介紹，特別是使用顯微鏡時，鏡下視野的識別速度為毫秒級，基本上顯微鏡這邊“掃”到，那邊GTDoctor和GTDiagnosis就能夠識別到，給出診斷結(jié)果。

這也意味著，系統(tǒng)會跟隨顯微鏡識別病變組織的速度，以“毫秒”速度生成病理診斷結(jié)果。

經(jīng)過鄭大三附院病理科43例臨床病例報告對比試驗，顯示26例葡萄胎被GTDoctor全部檢出，17例非葡萄胎中被GTDoctor正確診斷16例。GTDoctor在臨床試驗達到了97.7%的正確率，100%的特異度，96.3%的敏感度。

為什么先從妊娠滋養(yǎng)細胞疾病入手建設病理數(shù)據(jù)庫？這就要先了解，什么是“妊娠滋養(yǎng)細胞疾病”。妊娠滋養(yǎng)細胞疾病是一組源于胎盤絨毛滋養(yǎng)細胞的疾病，常見的有葡萄胎、侵蝕性葡萄胎和絨毛膜癌。其中，葡萄胎為良性，侵蝕性葡萄胎和絨毛膜癌屬于惡性。

有些人可能以為，我沒有生育，是不是不會有這類疾??？其實不然。妊娠滋養(yǎng)細胞疾病絕大部分繼發(fā)于妊娠，比如流產(chǎn)、足月產(chǎn)、宮外孕等。換句話說，只要你懷過孕，都有患上這種疾病的可能。

曾憲旭表示，這類妊娠疾病是鄭大三附院的常見病，組織標本較多，從這類臨床上常見的病變?nèi)胧?，有利于系統(tǒng)進行前期訓練。

“這類疾病的病變組織形態(tài)比較獨特，識別起來會更有特征性。”曾憲旭說，利用人工智能識別病灶、診斷疾病，是一個由簡入繁的過程。通過從好識別和診斷，以及鄭大三附院組織標本較多的妊娠滋養(yǎng)細胞疾病病理入手，幫助GTDoctor和GTDiagnosis進行測試、訓練和學習，有助于系統(tǒng)更快“成熟”。

記者了解到，目前，該系統(tǒng)項目組還與鄭州市婦幼保健院、洛陽市婦幼保健院、開封市婦產(chǎn)醫(yī)院、登封市婦幼保健院、新密市婦幼保健院等單位簽署了框架合作協(xié)議，標志著GTDoctor和GTDiagnosis將獲取更多訓練數(shù)據(jù)，也將在多中心進行更充分臨床測試。

曾憲旭介紹，接下來，團隊將在進行更多臨床測試同時，收集更多數(shù)據(jù)，提升GTDoctor的泛化性能。確保實驗結(jié)果一致性和穩(wěn)定性的基礎上，系統(tǒng)最快將于今年年底或明年年初，在試點醫(yī)院投入臨床使用。