12月19日，富士胶片宣布与数字病理行业大亨Inspirata签订了协议，收购Inspirata的Dynamyx数字病理学软件平台，以及其员工和客户。

Dynamyx于今年3月获得了FDA批准，允许使用全玻片图像（WSI）代替传统的载玻片进行初步诊断。据公司介绍Dynamyx是首个也是唯一一个获得FDA批准的具有多个扫描仪的数字病理学软件，并且还是全球唯一一个真正的开放、与供应商无关的端到端数字病理学解决方案。

病理人工智能存在着广阔的需求，随着AI等数字工具的发展，已经有越来越多巨头加码这一领域，比如此前阿里和腾讯都合作开发了病理AI平台，显示出巨大的发展潜力。

1、全球唯一开放数字病理平台

被富士胶片收购后，Dynamix将被纳入富士胶片Synapse企业级成像产品组合中。

作为一个完全开放的数字病理平台，Dynamix能够与各种实验室扫描仪兼容，同时允许构建和测试用户自己的图像分析算法。

Dynamix平台将病理载玻片进行数字化管理，允许远程实时协作进行诊断，获得诊断意见或完成线上培训教学。

Dynamix平台可以智能化地分配工作，增强实验室工作效率，减少积压样本。数字化管理也消除了运输病理切片需要消耗的成本和时间。

Dynamix人工智能阅片功能可以实现自动计数和测量算法（即 IHC 染色），诊断支持算法（即有丝分裂事件和恶性肿瘤检测）、预后流程（即远处转移的风险）、预测算法（即特定治疗设计的好处）、多模态融合算法（即辐射/路径/摩尔组合）等功能，极大减轻实验室的工作负担。

富士胶片表示，Dynamix即将加入“市场上最全面的企业成像产品组合之一”。自三年前与Inspirata在欧洲建立合作伙伴关系以来，已经在多家医疗机构中获得了巨大的成功，尤其是在英国。还表示：“我们收到了来自客户的反馈，数字化病理学是最具变革性的事项之一，我们期待将继续在全球实现扩张。”

而Inspirata在出售Dynamix平台后将更加专注于肿瘤信息学的研发，向着成为基于云的肿瘤信息学软件服务（SaaS）解决方案的领先提供商的战略定位进发。目前肿瘤信息学领域的关键工作流程，如临床试验匹配和癌症登记报告和数据抽象技术已经成熟，未来可以通过Inspirata开发的强大的AI和NLP（自然语言处理）技术实现该领域的颠覆。

2、腾讯、阿里入局国内发展前景巨大

病理诊断是绝大部分疾病尤其是癌症诊断的金标准，然而传统病理阅片需要耗费大量的时间与精力，病理医生往往没有时间对每一张病理切片进行反复分析、计数，并且随着肿瘤发病率的日益上升，病理诊断的工作面临着巨大挑战。

病理症断需求高涨而病理医生不足的现状在国内尤其凸显。

2022年2月，国家癌症中心发布最新一期全国癌症统计数据：2016年中国恶性肿瘤发病人数为406.4万人，比世界平均高了67.66%。此外，由于恶性肿瘤发病率随年龄增加逐渐上升，而中国老龄化进程加剧，中国患癌人数持续增加。

按照原国家卫生部2009年发布的《病理科建设与管理指南（试行）》中规定的“二级、三级医院均需设置病理科，每100张床位需配置1-2名病理医师”标准计算，截止2021年末，病理医师需求量约为14.17万人，而现有病理医师仅2.1万人，中国病理医师缺口高达12万人。

并且由于病理检验的自动化水平较低，开展病理检验所需的时间较长。常规的病理检验所需时间至少在3天以上，如果有较为疑难的病症，加做免疫组化或分子病理，所需的诊断时间达7-10天。相比之下，检验、影像科室的检验项目大部分在当天即可完成。

而以AI为代表的新兴计算机算法恰好可补足此短板，为病理诊断发展带来新的飞跃，具有广阔的发展前景。

国内的病理人工智能领域也同样发展得如火如荼，不少科技巨头都加入了战局。比如，腾讯与专业的第三方病理检测企业华银健康合作，而阿里健康与兰丁高科等12家医疗健康AI企业共同建立了第三方人工智能开放平台。

3、数字医疗门槛高水很深，难点到底在哪里？

通常病理医生在做病理诊断时，需要先进行组织样本采集，通过显微镜观察，对样本细胞结构进行分析，并结合自身经验做出判断，整个过程不仅耗时长，准确率也不高。如果能够利用人工智能技术从数字病理图像中识别癌细胞，将大大提升医生的工作效率。

基于对利用人工智能技术解决病理问题，知识视觉在医疗AI领域挖掘出不少应用场景，但在具体落地的时候才发现，大量项目只能停留在科研阶段，无法真正实现AI的产品化和商品化，而问题就出在对需求的理解上。

近年来，整个医疗影像AI行业都活得不算好，什么原因？大家进入一个误区，自己给市场假设了一项需求，创造了一个场景，然后认为医院会买单，结果到最后才发现，即使满足了临床医生的需求也很难变现，因为不一定能满足所有参与方的需求。

医生有需求医院没需求不行，医院有需求患者没需求也不行，患者有需求支付方不满意还是不行。在医疗场景里满足所有参与方需求很不容易，导致了医疗AI公司变现途径长、周期长。

每一个进军医疗健康数字化的IT巨头，哪一个不是满怀期待、信心满满，为什么雄心勃勃的谷歌医疗健康事业部会在去年关闭，为什么IBM寄予厚望的Watson健康部门屡屡被传要卖。在中国，不少AI创业公司都曾对AI赋能医疗健康信心满满，但也都在最近或是关停了相关业务或是缩小了预期。医疗健康的数字化、智能化这条河，水很深。

其一，医疗是高门槛、高监管行业，对安全要求严苛，非医疗行业的人很难了解。赵邑新说：“很多医疗数字化的创业公司之所以失败，就是因为对医疗行业缺乏基本的认知，也缺少对行业基本的敬畏。”

王晓梅创业之前曾在IBM全球工作20多年，亲历过IBM的多次收购，她对于医疗领域的创业以及并购有深刻感受，并对IT公司通过收购来提升业务竞争力保持审慎的态度。“医疗健康智能化，是‘医工融合’，但一定是医学排在第一位，‘工程学’和‘人工智能’排在其后，必须真正由懂医的人主导才有可能把这个事情做成。甲骨文收下塞纳之后应该让其独立运营，让专业的人做专业的事。”王晓梅说。

IBM是IT公司中最先大举进军医疗领域的先锋，王晓梅认为IBM对于医疗数据公司的并购与甲骨文收购塞纳不同，前者相当于IBM想开面包店，现在有了面包师，但没有面粉，去市场上买面粉，IBM购买的医疗数据公司，就是面粉。而甲骨文则是想开面包店，既没有面包师也没有面粉，需要直接把面包师、面粉统统买过来。

其二，医疗行业是一个长周期、长链条的复杂系统，需要长期投入和耐心。医疗领域规则特殊，如果涉及诊断治疗，则必须需要满足相应的监管要求，获得相应的认证，这个过程并无捷径，且时间和投入都相当巨大。据业内人士介绍，从注册检验到最终的注册审评最快也需要1年多时间，如果不幸卡在临床试验环节，获批所需时间可能会被拉长到3年左右，甚至还会面临项目流产、打水漂。

最近，Paige公司的数字病理AI产品获美国食品和药物管理局（FDA）批准，这是第一个获FDA批准的临床级的用于前列腺癌检测的人工智能解决方案，它能够获得FDA批准在AI医疗业界引起很大反响。Paige联合创始人兼首席科学家Thomas J. Fuchs坦言，这个成果是他们十多年工作的结晶，进一步证实了开发一个临床级AI产品的时间代价。

IBM 大中华区Watson医疗总经理李少春表示，医疗系统非常复杂，链条长且参与方众多，涉及制药、医生、医院、患者、保险等很多层面，很多新参与者往往对于这个行业的风险之大、周期之长缺乏足够的判断，其结果是欣然而来失望而归。所以选择从哪一环节切入，又如何参与到医疗健康的大产业链条中，需要足够的产业智慧也需要足够的耐心。

就连谷歌这样的IT巨头，都会因为大举投入、短期内营收不及预期而不得不“关停并转”。医疗行业的特殊性、长周期、复杂性，对于强调快速迭代，要求高投入高回收的IT公司来说，或许需要重新评估投入产出比和商业模型。

其三，业界高估了人工智能的赋能能力与融入速度。

目前AI在医疗领域中落地的应用场景主要包括医学影像、智能诊疗、智能导诊、智能语音、健康管理、病例分析、医院管理、新药研发和医疗机器人等，其中在医学影像中的应用最为广泛，是人工智能在医疗领域最热门的方向，但在实际应用过程中仍存在一定挑战，比如，数据获取及数据标注问题，以及缺乏行业标准、注册审批缺乏指导原则、技术创新难等问题。

AI赋能能力和进入速度低于预期的原因很多，其中数据缺乏是影响AI能力提升的一个关键。AI医疗资深人士认为，加速推进医疗健康的数字化，目前的焦点不应该是AI，而是数据。为什么现在大量的IT公司要购买有医疗数据的公司，“是因为现在很多从临床拿出来的数据并不能用，需要将大量的数据结构化”。

另一个原因是医生排斥。思勤医疗创始人兼首席执行官茅矛是美国FDA批准的乳腺癌诊断试剂盒MammaPrint（世界上第一个多变量检测方法）的发明人之一，他认为这一代医生成长的培训和带教体系和习惯，会天然排斥AI，可能一次诊断有误就直接否定AI，间接影响了AI医疗产品的发展，或许到在数字世界里成长起来的下一代医生群体时，对AI的接受度会提高，用得多就会提升AI的能力。

武汉协和医院智能医学研究室主任叶哲伟认为，新一代信息技术横向融入医学领域形成了智能医学，医工交叉融合让医学获得巨大提升，但我国医学学生的教育模式缺乏对理工科方面交叉学科知识体系的培养。医学学生往往缺乏跨平台、跨专业的接受能力和解决问题的能力。新型医工交叉的智能医学要成为医院中常规场景，还有一段相对漫长的道路，首先面临的挑战是临床医师的认可度和使用能力。临床医师作为一线医疗的实施者，对这些新型应用模式的认可度和使用能力决定了临床应用的规模。同时，智能医学类产品的安全性、合法性以及权责认定归属等问题同样是严峻的挑战。

4、AI与生命科学需要“破壁“

生命科学与智能技术的融合将开启一个新的时代，但每一个新时代的开启从来不是一帆风顺，要想看见隧道尽头的曙光，需要更多的信息技术智慧，需要更多的努力、坚持和探索，也需要商业变现的鼓励。

AI助力新药研发被视为最快释放巨大潜能的赛道。叶哲伟表示，传统医药研发、疫苗研发往往需要经过数十年的基础研发、动物实验、临床实验方能投入使用，耗时久并且成本巨大。借助AI、网络药理学技术，可以对人类疾病潜在治疗靶点、药物结合位点、新药物合成时的成分构成、老药物的潜在作用疗效做出快速预测，从而快速为医药研发提供方向，极大缩短了基础研发的周期。AI可以使医药研发跳过“试错”阶段，有针对性、有目标性地进行推进，节省时间也节约经济成本。目前AI介入后研发出新药的疗效和稳定性仍然不足，但相信未来会成为领域内主要热点方向之一。李少春认为创新药的研发将在未来带来巨大变革。为此他特别提及了IBM不久前推出的云端新化学实验室“RoboRXN”，这个将人工智能模型、云端计算平台和机器人结合的实验室，能够帮助科学家在家就能设计并合成新分子、新化合物。据统计，“RoboRNX” 的正确率达90%，目前已经为1.5万名使用者提供超过76万份机器学习的化学反应预测。传统模式下，新药和新材料发现及最终进入市场，平均需要10年，“RoboRNX”对缩短新药研发的时间成本和门槛，是一个较有效率的范本。

在更多更大范围“破壁”人工智能与生命科学的通道，正在成为越来越多IT人的共识。中国工程院外籍院士张亚勤近期表示：“做计算机的人、做人工智能的人和做生物生命科学的人是两个完全不同的专业领域，这两个领域一直是没有共同语言的，人也好，使用的体系也好，方式也好，都是不一样的，我们希望可以把这两个领域打通，我们把这叫做破壁计划。“

文章来源： 器械之家，封面新闻，中国电子报