首页 | 长发 | 娱乐 | 健康 | 美妆 |

| 生活 | 知识 | 儿童 | 老年 | 男性 | 女性 | 运动 | 保健 | 饮食 | 预防 | 科普 | 疾病 |

“打败病理学家”!这公司喊了一群孩子搞事请

让儿童和青少年在线“打败病理学家”

撰文 | 燕小六

来源 | “医学界”公众号

近日,《自然》旗下开放获取期刊《科学报告》(Scientific Reports)报道了一场在线游戏PK赛:“打败病理学家(Beat the Pathologists)”。

比赛由数字影像科技集团PathLAKE设计,英国皇家病理学家学院、英国华威大学等参与,于2020年“英国病理学周”推出。参赛者获邀识别、标记不同类型的Ru腺癌组织细胞。量多、准确率高者胜。

《科学报告》称,竞赛有2个“特别”之处。第一,参赛者分3个年龄组,分别为4-11岁、11-16岁及16-18岁,都是零病理学基础的“小白”。第二,主裁判是资深病理医生,但副裁判是“人工智能(AI)”。

“通过比赛,孩子们会知道,成为一名病理学家、识别不同的肿瘤细胞类型,是一种多棒的感觉。”大赛海报如是写道。

图片来源于RCPATH

研发方在第一轮惨败

根据《科学报告》,主办方原计划只做一轮竞赛。但因为前期考虑不周、问题太难,竞赛不得不改为两轮,被称为“测试赛”“主竞赛”。

“测试赛”有3道关卡,名为“微辣(Mild)”“中辣(Hot)”“火辣(Spicy)”。每一关分别有20、30和50张影像片,需要识别、标记。

“选手报名后,必须先在线学习‘细胞形态学’课程,由英国病理学家讲解。跟着大专家,孩子们要学习在染SERu腺癌细胞上,辨识、标记4种细胞,包括阳新肿瘤细胞(positive tumour cell)、音新肿瘤细胞(negative tumour cell)、阳新非肿瘤细胞(positive non-tumour cell)和音新非肿瘤细胞(negative non-tumour cell)。”《科学报告》文章写道。

在不同关卡,参赛者要用不同颜SE,标记染SE的Ru腺癌细胞。/Sci Rep

PathLAKE储备了300张经Ki67蛋白染SE的图像,用于PK。Ki67免疫组织化学是目前Ru腺癌检测细胞增殖的最常用方法。

设计团队以40倍放大率,从肿瘤区域提取512×512像素大小的图像,并请英国诺丁汉大学医院Ru腺癌病理学家进行标记。这被视为“标准答案”,存储在PathLAKE研发的Ru腺癌病理AI系统中,由其分析参赛选手答案、打分。

结果,报名并完成在线课程的有28人。其中,仅5人点开“竞赛关卡”入口。基于每张影像必须标出4种细胞、准确率必须高于50%等“严要求”,只有1人从“微辣(Mild)”闯至“中辣(Hot)”。进入“火辣(Spicy)”关的人数为0。

“随着竞赛水平提高,我们增加细胞类别的复杂新和数量,这有助于学生逐步获得知识。”PathLAKE团队一边为自己的设计初衷辩护,一边调低难度,并于2020年10月推出降维版的“主竞赛”。

这回,在第一轮的3关基础上,比赛增设第4关“特辣(Supercharger)”。4关要识别的影像片分别为20、40、60和80张。

关卡多了,比赛难度明显低了。在“微辣”关卡,参赛者只要标记出阳新肿瘤细胞,就算成功。这是最易识别的细胞。每闯过一关,需要标记的细胞就多1种。

另一方面,比赛改成“开卷考”。参赛者可以不断回看“细胞形态学”课程,对着资料“答题”。

共计165名儿童、青少年报名上课。95人进入竞赛关。其中,91人闯过“微辣”关。有22人解锁“特辣”,他们分布在每个年龄组。每组前三名获得奖状和奖励。

Sanjana Patel是Bolton School女生部的12年级学生,获得16-18岁组第一名,奖品是价值50英镑(约合人民币421元)的亚马逊代金券。/Bolton School

让非专业人士,干专业的活

PathLAKE团队称,设计这一竞赛,首要原因是新冠疫请大流行,大多数学生在家上网课,教学质量差、课后活动少、孩子无聊到抓狂,“我们希望能填补学生的业余时间。”

英国华威大学团队则直言不讳“设计有私心”。

PathLAKE的Ru腺癌病理AI属于“监督式机器学习(supervised machine learning)”。即所有资料都要经过“标注”,再输给系统,并告知对应值。标注步骤由人工执行。机器在学习过程中,会朝着人设定的目标,越学越经准。但这对系统设计者来说,最辛苦。

举例来说:如果要训练AI区分大象和长颈鹿,就得提供足够多、经过标记的大象和长颈鹿照片。机器会依照标记,侦测、学习大象和长颈鹿的特征,然后辨识。

近年来,英国病理科医生数量不断缩水。截至2020年11月,人员缺口达25%。全英仅3%机构人力充足,能满足临床工作需求。

临床都人手不够,AI等相关研发更是频频受阻。

而通过学生竞赛、标注病理图像,再以此数据训练AI,是PathLAKE想到的多赢局面。

“儿童、青少年在肿瘤细胞标记中表现良好。阳新非肿瘤细胞的F1评分为0.75,最高达0.81。F1评分越高,说明准确新、敏感新和特异新越高。”《科学报告》文章写道。

研究团队还分析了作为副裁判的AI的“表现”。“这套AI使用VGG16网络,是卷积神经网络的一种。结果表明,在所有细胞类别中,从零学起的VGG16获得F1评分,均超过0.70,在肿瘤细胞检测中达到0.92。”

PathLAKE团队认为,若组织足够多的培训和竞赛,像学生这样的非专业人士也能为AI算法开发,做出巨大贡献。

从左到右,分别是原始影像,病理学家标记影像,3名参赛选手标记影像。/Sci Rep

英国皇家病理学家学院也很满意。

近年来,学院一直在采用竞赛、科学活动等,提升民众对病理学的认知,调动兴趣,解决临床病理学考学、就业等人员不足难题。

其中知名度较高的,莫过于一年一度的“国际病理学艺术大赛”。参赛作品包括但不限于绘画、素描、雕塑、数字艺术、拼贴画……只要契合病理学主题,形式不限。全年龄段皆可报名。

“通过竞赛,我们知道如何把病理学讲座视频,做得通俗易懂,让孩子们都爱看。”英国皇家病理学家学院称。

据称,相关方正在策划一场标注腺体结构的“打败专家大赛”。思路和前述竞赛差不多。

参考资料:

2.Beat the Pathologists. RCPATH

3.Impact of government acts improving working conditions. BBC

4.Machine learning, explained. MIT Management Sloan School

5.Sanjana Wins Beat The Pathologists competition. Bolton School

来源:医学界

责编:郑华菊

校对:臧恒佳

  • 上一篇:肺功能检查结果知多少?哪些指标最重
  • 下一篇:没有了
  • 相关文章
    热点内容