1. 请介绍公司与华为在病理科数字化建设中的合作内容
答:公司与华为的合作聚焦于病理科全流程数字化解决方案,结合华为的存储与算力技术,解决病理切片数据量大的存储与高效读取问题,以确保诊断效率。在技术应用方面主要通过生成式AI构建病理数据库,优化数据存储与调用;同时探索可解释AI技术,实现病理图像诊断信息与语义对齐,提升医生对AI结果的信任度。
2. 公司与腾讯合作开发的宫颈细胞学人工智能辅助系统进展如何?
答:公司与腾讯AI Lab合作开发宫颈细胞学人工智能辅助系统,由安必平提供数据与专家支持,腾讯提供算法能力。该产品最主要解决的问题是筛阴工作,目前已经完成临床试验,正在三类证注册申报阶段。国内病理医生比较缺乏,细胞学诊断特别依赖医生的判读,我们预期的场景是,通过AI完成大部分的筛阴工作,进而让医生把主要精力集中在可疑点位,提高诊断效率和诊断准确性。该产品已标注视野图像超100万,标注细胞超260万,在9个医学中心的第三方测试中均有较高的特异度。目前公司的“细胞学试剂+制片染色设备+扫描仪+AI判读”智能化整体筛查方案已经在医院病理科推广试用,可以减轻细胞学医生的工作量。
3. AI在病理诊断中的核心价值及未来商业模式?
答:AI在病理诊断中的核心价值主要体现在两方面:一是诊断效率提升,通过AI辅助缩短病理医生培训周期,降低基层医院诊断门槛;二是成本控制,如抗体质检,我们探索用AI优化内部生产质检流程,减少人力依赖,未来有望降低抗体研发成本。
未来的商业模式:一是产品捆绑销售,将AI模块嵌入数字化解决方案(如扫描仪+软件服务),从而提升产品溢价能力;二是在宫颈细胞学人工智能辅助系统获批三类证后探索独立收费或软件授权的模式;三是在基层共建服务中通过AI赋能远程诊断,推动病理科共建业务规模化。
4. 公司病理AI如何赋能现有业务?
答:目前我国病理行业发展面临病理医生缺乏、分布不均匀、培养周期漫长等特点。“自动化、标准化、数字化、智能化”已成为病理科发展的必然趋势。AI 辅助诊断在2024年11月首次被列入国家医保局立项指南,目前已发布的主要是体现在放射检查、超声检查和康复类项目,立项指南编制还将扩围至检验病理类,加之此前三部门联合发布《卫生健康行业人工智能应用场景参考指引》也已经涵盖了人工智能在病理切片诊断的应用场景,我们判断这将极大促进病理数字化和智能化的发展。
从公司战略来说,一直在积极布局细胞病理、组织病理、免疫组化、荧光原位杂交等多个技术线的全自动化仪器设备的研发与迭代。自主研发推出了涵盖多平台多型号的病理自动化设备、多通量数字病理切片扫描仪、数字病理质控与信息管理系统、病理专病库以及人工智能辅助诊断系统等一系列创新产品和服务,以提供智慧病理科解决方案。
从盈利模式来说,我们提供的是“检测试剂+制片设备+扫描仪+AI判读”的智能化筛查方案已形成,提高了公司产品的竞争壁垒。通过扫描仪和 AI 判读,可以提高我们原有技术平台的核心竞争力,对细胞学试剂形成有效的护城河以及拉动效应,尤其是对我们拓展大三甲医院的客户、替代进口细胞学试剂产品非常有帮助。
5. 高质量数据获取是否仍是AI应用的壁垒?
答:AI研发的核心三要素是数据、算法与算力,作为一个垂直领域的AI研发与应用的公司,算法与算力并不是我们的强项,我们更能发挥的优势就是垂直领域的数据收集、处理、利用的能力。我们的应对策略包括对于数据多维度的筛选,体现在:量度方面,数据量要大;广度方面,数据尽量覆盖多器官、多病种;真度方面,数据要正确、准确;丰度方面,模态匹配要丰满。这里最重要的是构建这个数据库和相关的标准,这也是我们在做不同算法测评时的方法。以及与香港科技大学合作联合实验室开发自动化数据标注,减少人工标注成本。
6. 算力成本是否制约AI产品落地?
答:目前在医院部署AI需配备高成本服务器,大模型硬件成本高限制了商业化推广。我们的降本策略包括:一是技术开源,未来探索利用DeepSeek等开源模型降低训练与部署成本;二是云端服务,探索轻量化模型部署,减少医院本地的硬件投入。
7. DeepSeek在可视化推理思考、长思维链推理方面具有一定优势,未来能否在病理检测准确率、算力成本节省等方面带来获益?
答:可视化推理思考对于病理诊断模型来讲是有价值的,可以把推理过程显性的提供给医生,不过其实这个推理过程如果只是在病理方面的话,并没有那么复杂,长思维链推理的意义在于长文本或者连续多轮沟通的时候会有一定的优势,如果可以把前面的影像检验、门诊信息等等都综合起来的话,在这个角度上肯定是有更大的意义和帮助。病理面临的挑战还是图像的多模态、病理图片的大存储量等问题。当然,基座模型能力提升和成本下降对我们来讲一定是获益的。