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
