欢迎来到加倍考研网! 北京 上海 广州 深圳 天津
微信二维码
在线客服 40004-98986
推荐适合你的在职研究生专业及院校
《Nature》子刊提出AI病理诊断解释方案,或解决申报获批关键难点影影绰绰

《Nature》子刊提出AI病理诊断解释方案,或解决申报获批关键难点

深度卷积神经网络(CNNs)已在实践中被证明是一种可以辅助生物医学图像诊断的技术,并已广泛运用于肺结节、眼底等放射影像识别。近日,病理领域的AI研究也有了新的进展。2019年5月,国内杨林团队的论文《Pathologist-level Interpretable Whole-slide Cancer Diagnosis with Deep Learning》 被《Nature Machine Intelligence》收录,该论文提出了一项用于AI病理诊断解释的方案。在文章所描述的实验之中,研究人员运用AI技术对病理切片进行分析处理,并同时给出AI分析的依据。这是全球首篇发表在自然子刊上的关于讨论病理图像分析中的人工智能可解释性问题的专著。 通过实验所设计的方法,人工智能开始“理解”医生的逻辑,并尝试模仿人类医生,给出诊断依据。对此,动脉网采访了论文通讯作者杨林教授,并结合论文内容,尝试梳理出论文的逻辑及背后的深刻价值。病理痛局推动科研发展病理科被“现代医学之父”威廉·奥斯勒称为“医学之本”,而病理医生被认为是医生的医生。病理科的含金量自然不言而喻,其诊断的准确与否直接影响患者的健康和命运。 然而,据国家卫生和计划生育委员会2015年数据显示,全国仅有9841名有资质的病理医生。这个数字与我国人口总量之比约为1:140000,与注册医师之比约为1:250。简单的说:每个病理医生都承担了 5-10 倍的常规工作量,许多病理医生都在超负荷地进行日趋复杂的高强度工作,误诊、漏诊时有发生。 制约病理医生资源发展的因素不仅仅是庞大的工作量、工作环境差、收入待遇低、培养周期长等因素严重影响了病理教学师资。病理医师新生力量呈现“断崖式”短缺。AI技术的出现或许可以解决这个问题。有深度学习支撑的人工智能能够以迅速、标准化的方式处理医学影像,对可疑影像进行勾画、渲染,并以结构化的语言提出建议。这些工作精力消耗大,重复性高,而AI不受制于工作性质。实践证明,在AI的帮助下,病理医生不仅可以提高诊断效率、减轻工作量;还能提高工作强度,改善病理医生工作环境,最终降低误诊、漏诊率。痛点确乎推进了科学研究的发展,但在AI辅助诊断被真正施于应用时,种种问题随之而来。质疑之声中最为清晰而难以回答的便是以下两个问题:AI是如何完成判读?它对于切片的分析是否有依据?事实也是如此,如果这个问题得不到解决,病理医生与CFDA监管部门难以认可AI的判读结果——概率云并非一个合理的依据。鉴于此,杨林团队开始了本次研究,用以解决AI病理诊断的可行性与可解释性。实验条件下,AI可大幅度提升CAD准确率为了探寻AI辅助诊断过程中的可解释性问题,研究团队以膀胱癌患者的病理切片为研究对象,在保证AI分析切片准确率的同时,通过构建全新网络架构,达到令该系统能针对诊断区域自动输出文字的效果,而这些文字可表明系统的诊断依据。 对此,研究团队设计了一个包含扫描器网络(s-net),诊断器网络(d-net)和聚合器网络(a-net)三个模块的神经网络系统。这三个模块分别在系统之中起到分析图像、文字表达、信息整合输出的作用,共同发挥了肿瘤检测与细胞表征提取的作用。 扫描器网络(s-net)的核心是多模态CNN,这是一种特殊的深层的神经网络模型,它的特殊性体现在两个方面,一方面它的神经元的连接是非全连接的,另一方面同一层中某些神经元之间的连接的权重是共享的。它的非全连接和权值共享的网络结构使之更类似于生物神经网络,降低了网络模型的复杂度,减少了权值的数量。 诊断器网络(d-net)作用于每个勾画ROI(感兴趣区域,region of interest,AI框选出的需要关注的区域),分析病理特征并显示特征感知网络,以尝试解释每个ROI的勾画原理,以及解释诊断器网络在描述观察时所看到的内容,最终将分析流程及结果转化为文字。简而言之,d-net的作用就是生成解释性的内容,告诉人类AI为什么框选出这些ROI,以及AI对单个ROI如何做的判断。 聚合器网络(a-net)则将扫描器网络与诊断器网络生成的信息进行集合处理,集成所有特征,并生成与影像相匹配的诊断结果。 通过逐块扫描病理图片,三个模块从图片像素中提取与数据库对应的有效像素并进行识别,最后转化为可处理文本数据,再使系统建立起文本与图像之间的直接联系。 诊断器网络在数据格式转化的同时,系统将运用NLP生成包含诊断组织细胞和细胞核特征的语言描述,匹配病理学家的操作方式,其生成的表述结构符合临床病理学报告标准。因此,这种方式可视为对人工智能诊断过程的解释。 病理学家在实验之中起到了重要的作用。当病理学家对病理切片进行处理时,系统将捕获病理学家的操作过程,如点击图像的位置,并将操作、医学语言与系统语言相结合,这构成了系统的运行和分析的逻辑的基础。最终,系统能够通过其文本和视觉输出明确地解释其分析过程,并向病理学家提供直接证据(即第二意见)以供审查和目视检查,从而帮助降低病理学家临床决策中的主观性差异。本次实验用了怎样的样本?本次实验总计采用了近千名膀胱癌患者的尿路上皮癌切片数据,整个数据集分为620个用于训练的病理切片,193个用于验证的病理切片和100个用于测试的病理片。从形态上看,该数据集包括102例非侵入性低级别乳头状尿路上皮癌以及811例非侵入性或侵入性高级别乳头状尿路上皮癌。这些数据经过了多位病理学家的严格诊断,且去除了低质量的切片。为了评估神经网络系统的效果,21名泌尿生殖病理学家参与了数据注释和诊断性能评估。经过大约近两年的努力,病理学家使用研究人员开发的基于Web的注释程序对数据进行了集体清理和手动注释。通过将该系统的测试结果与病理学家的常规检查进行了比较,结果显示,该系统实现了97%的曲线下面积(AUC)评分,其表现优于大多数进行比较的病理学家。此外,当使用混淆矩阵进行比较(图e,f)时,结果显示系统的平均准确度为94.6%,而病理学家的平均准确度为84.3%。实际上,统计结果还表明,病理医生对于部分类型的前列腺癌的诊断一致率不足50%。因此仅从数据上看的话,此次论文中所提出的AI系统,在准确率和一致性上都有较好的表现。AI可解释性的研究 正如前文所示,该系统通过扫描器网络、诊断器网络、聚合器网络,对AI辅助诊断的可解释性进行了探索,最终会产生说明文字同ROI同步输出。可解释性图示如上图,a、b显示的为全片肿瘤检测结果,c、d、e则为生成的“特征感知注意图”,对诊断细节进行描述。我们可以看到,针对每一张切片,系统在判读后,除了常规地将ROI区域框选出来,还针对不同区域生成了解释性文字。其中,不同特征的文字被使用不同颜色加以区分,而该描述所对应的ROI,都被加以相同颜色的框表示,便于病理医生查看时一一对应。 该系统描述了观察到的一定数量的细胞特征以及特征感知注意图,注意图对网络观察到的视觉信息的类型给出了强有力的解释(图c-e)。实际上,注意图包含了框选区域中每一个像素的权重,用以确定不同像素对于给定的特征观察的重要程度,但输出的内容却并不是令人费解的数值,而是类似于病理医生的判读依据。这样专业化的文字表述加强了AI分析病理切片的可信度,当人类医生与机器诊断结果不符时,医生们也能够更容易地对比自己与机器的诊断意见到底在何处有所区别,了解产生区别的原因,在很大程度上能够提高诊断准确度。系统网络组件的评估在算法结构方面,算法的各部分性能在完成后均被予以验证。首先,研究人员评估肿瘤和非肿瘤图像的s-net的肿瘤检测召回率(非肿瘤图像表示内部没有突出肿瘤的裁剪的滑动组织区域)。s-net达到94%的高真阳性(检测到的肿瘤像素数/总注释肿瘤像素)并同时维持95.3%的阴性召回率。其次,研究人员使用了两个评估指标验证了生成的诊断描述的质量:双语评估Understudy(BLEU)和基于共识的图像描述评估(CIDEr)。而这些验证结果显示,该算法已经具备了一定的优越性。此项实验突破了AI病理三类证审批的关键难点囿于其决策流程的不可解释性,“深度学习”一直被遵循循证医学指南的临床医生拒之门外,成为了制约医学影像人工智能发展,特别是获得三类证审批的关键。而本次实验则为人工智能的审批提供新的思路:虽然现阶段的人工智能仍不具备推理能力,但我们能将医生的推理步骤模块化,从而模拟推理的过程。此外,本次实验中的文字匹配过程是按照WHO标准并具有严格依据的,这与许多基于多样本深度学习生成的勾画不同,实验的每一个步骤都可由AI提供决策依据,并非单纯概率云下的黑箱运算。杨林教授现任职于迪英加CEO,这是迪英加科技在三类证申报过程中的一步坚实工作,用于解决CFDA三类证申报中广泛要求的可解释行提供了关键的核心技术解决方案。在采访过程之中,杨林教授也对本次实验的不足之处进行了总结。首先,由于时间的原因,样本的选择检测本身具有一定的封闭性,随着持续数据收集的广度和深度的提升,论文中的工作也一定会有改进之处。其次,推理流程的划分是否足够细致,以及推理过程是否存在偶然性可以进一步论证。最后,这项研究没有控制参与病理医师的疲劳程度,这可能是影响AUC的独立因素,需要进一步研究这一系统对不同疲劳水平医生的有效性。总的来说,无论是人工智能技术,还是本次实验的病理本身,我们都能看到很多突破的可能。目前的人工智能影像产品仍聚集于放射科,当他们尝试进一步进入临床相关科室时,这项技术同样需要新的标准对其进行验证。此外,AI于病理的运用也远不局限于切片识别,机体组织样本中内部特征的量化分析与临床评价;细胞和动物组织样本的量化分析与药效关系;细胞识别与分选;特殊染色结果的量化分析和临床治疗与预后也均有AI介入研究。病理于AI是一片看不见的深海。

生与

中国病理学的开创者和奠基人徐诵明 带领大学生科研救国

对于医学界的人来说,徐诵明(1890-1991)是一位传奇式的人物。他是中国现代高等教育和现代医学教育的先驱,中国病理学的开创者和奠基人。徐诵明徐诵明的一生波澜壮阔,见证了中国近现代史上的诸多重大事件:他读过私塾,中过秀才,也曾东渡日本学医;他参加过辛亥革命、北伐战争、抗日战争;他当过北平大学医学院、北平大学、西北联大、同济大学、沈阳医学院等五所著名大学的校长;在百岁之际,他还加入了中国共产党。徐诵明曾任同济大学校长在他传奇一生中,最为重要的事情,就是带领大学生们坚持抗战,在保家卫国的同时,还为国家保留了医学教育的火种。一 东渡日本参加同盟会1890年,徐诵明生于浙江绍兴新昌县的一个塾师家庭,5岁起便进入私塾读书,1904年,徐诵明以优异的成绩考入浙江高等学堂预科(浙江大学前身),在校期间学习成绩始终保持优秀,读书期间,邵飘萍、陈布雷等人都是他的同窗。1907年,浙江省掀起了反英护路风潮,这股热潮对时年17岁的徐诵明影响很大,爱国之情一触即发,他深刻认识到,只有学习世界先进的科学技术,强大自身,才能驱除鞑虏、振兴中华。1908年,徐诵明瞒着双亲,东渡日本求学。在东京,他与章太炎结识,并由章太炎介绍加入同盟会。1911年11月,徐诵明毅然放弃学业,归国参加武昌起义,在上海加入了徐锡麟之弟徐锡骥组办的陆军卫生部,担任革命军上尉连长。不料,时局多变,次年,孙中山辞去了临时大总统一职,失望的徐诵明回到日本继续求学之路。1913年考入日本九州帝国大学医学部,由于成绩优异,在留日期间即受聘于北京医学专门学校。1918年毕业后,徐诵明留在九州大学从事病理学研究。这期间,徐诵明和同样旅日留学的郭沫若、夏禹鼎、钱潮、陈君哲、刘先登等人成立进步社团:“夏社”。不料,他们的爱国举动被日本设在中国旅顺的特务机关发现,特务机关向外务省密报:在九州帝国大学,以徐诵明、郭沫若、夏禹鼎等人为首的中国留学生从事反日活动,建议驱逐。1918年,“夏社”成员合影,郭沫若(左三)、徐诵明(左一)。迫于压力,1919年,徐诵明回到国内,来到位于后孙公园胡同的北京医学专门学校,出任病理学教授。作为当时我国唯一的病理学教授,他率先从日本引进病理学,在国内创建病理学科,填补国内空白,并创建了中国第一个病理学教研室,徐诵明担任教研室主任。1920年,徐诵明出席了医学各科名词审查会议,为“病理学”中文名词定名。徐诵明成为第一个用中文讲授西方医学的人。另外,他还冲破旧社会人们忌讳的尸体解剖观念,收集尸体标本,以供教学和研究使用。北伐战争爆发后,国民革命军收复武汉,徐诵明赶赴汉口,任第二中山大学医科教授、国民革命军总司令部军医处卫生科科长。北伐军攻克南京后,他又到南京负责接管鼓楼医院。但是,1927年爆发了“四一二”反革命政变,国共分裂,徐诵明心灰意冷,谢绝何应钦提名的军医处长一职,决心重回教育界,此后,徐诵明坚守医疗教育界,不再担任官职。二 任北平大学校长 爱护进步青年此后,徐诵明再次回到后孙公园胡同,担任国立北平大学医学院院长(北京大学医学部前身)一职。1930年,徐诵明在北平大学医学院首次实施七年制教学,他还向人们介绍了医学院各个专业的设置,普及人们对医学院的认识。1932年,北平大学校长沈尹默辞职,徐诵明成为北平大学校长。这里要简单介绍一下北平大学的历史。北平大学与北京大学是两所不同的学校,北平大学是一个大学组合体。1927年,张作霖控制北京后,将北京大学、师范大学、女子师范大学、工业大学、农业大学、艺术专科学校等九所国立高校合并(因清华当时是庚子赔款作为经费,没有“国立”二字),成立一所京师大学校。随着北伐的胜利,张作霖离京,京师大学校办了不到一年就被解散。1928年9月,国民政府效法国大学区的办法,在中国建立大学院、大学区。北平、天津、河北、热河属于“北平大学区”范围,这些区域的高校合并统一称为“北平大学”,下设学院。不出一年,大学区制也以失败告终,北大、北洋工学院、北师大等学校脱离出北平大学。最后,几经改组,北平大学形成了包括女子文理学院、法商学院、医学院、农学院、工学院等在内的大学。1932年,徐诵明接替沈尹默成为北平大学的第三任校长。此时的局势,不断恶化,日本帝国主义侵略中国的步伐日益加快,同时国民党反动派抓捕进步青年。在民族大义面前,徐诵明一向旗帜鲜明。而作为同盟会元老的徐诵明,对进步青年有着兼容并包的胸怀。1933年,法学院进步教授侯外庐及学生周成才被捕,徐校长分别致电中委陈立夫、张学良等要人,请求保释。1933年5月,北平女子师范学院学生张洁清(彭真妻子)因参与革命活动被捕,也是徐诵明出面,张洁清才得以出狱。1934年,徐诵明看到范文澜为人诚恳、工作认真,教学很受学生欢迎,即聘任范文澜任北平女子文理学院院长。后来范文澜被国民党逮捕,徐诵明向南京国民党政府说情,说范文澜生活俭朴,平时连人力车都不坐,常常步行到学校上班,并且把薪金的一部分捐给女子文理学院图书馆买图书。陈立夫听了之后说:“这不正好证明范文澜是共党分子吗?”范文澜被关了近一年后,在蔡元培等人的营救下获释。1935年,日伪炮制“冀察政务委员会”,曾在北京医学专门学校任校长长达9年之久的汤尔和,倒向日本。徐诵明1919年回北京医学专门学校任教时,汤尔和就是校长,可以说是徐诵明的老领导。因此,同样有过旅日经历的徐诵明成为争取对象,在未征得徐诵明本人同意的情况下,汤尔和在天津一份日本人办的报纸上公布徐诵明为委员。对此,徐诵明先后9次严词拒绝,坚决要求把自己的名字除去,绝不与日伪沆瀣一气。随后,他还与蒋梦麟、梅贻琦、胡适等人联名,通过路透社向全世界表达了中国人民反对华北自治的意愿,并揭露了日本侵华的企图。同年12月9日,北平大学、北京大学、清华大学等师生上街游行,要求国民政府抗日,揭露日本侵华的野心,反对华北自治,这就是著名的“一二·九抗日救亡运动”。有不少学生被国民政府逮捕,徐诵明闻讯后,立刻到市党部保释被捕学生。三 用科研教育支援抗战1937年7月,“七七事变”爆发。仅一个月,北平、天津相继沦陷。1937年9月,南京国民政府决定北平大学、北平师范大学、北洋大学西迁,组建西安临时大学(后改为西北联合大学),负责此事的就是北平大学的校长徐诵明。徐诵明一方面号召、组织师生西迁,另一方面筹备西安临时大学,为学校选址,解决学校教务以及师生生活等问题而奔走。在他的努力下,1000多名师生抵达西安,西安临时大学成立后,仍由徐诵明主持校政。1937年年底,上海、太原等相继失守,陕西门户潼关告急,西安临时大学不得不迁往汉中。当时从西安去汉中,唯有翻越秦岭的川陕公路,徐诵明带领1000多名师生徒步行走500多公里,历经半个多月,抵达汉中。1938年4月3日,西安临时大学改称西北联合大学。5月2日,在汉中城固举办的西北联合大学开学典礼上,徐诵明表明积极支援抗日战争的同时,也表示:“抗战期间,高等学府学生应当如何抗战救国?不一定非得拿着枪杆子到前线去才是救国,我们在后方研究科学,增强抗战的力量,也一样是救国。”这段话被后人铭记。徐诵明认为,“战时教育,不应邃失平时教育模型。至于应对抗战与国防之特殊知识与技术,自当随时因势利导,以冀收标本兼顾、相得益彰之效”。在这样的思想指导下,西北联大的师生深知,“名城可陷,阵线可毁,而全民族抗战到底之共同意志,永不可夺。”西北联合大学在汉中安顿好了之后,徐诵明冒着生命危险从陇海铁路乘车抵达汉口。此后,他面见时任教育部部长陈立夫,确定西北联合大学“系经最高会议通过,尤负西北文化贵重,均以为非在万不得已时,总以不离开西北为佳”的发展方向,并向教育部要求补充蜡烛、教学设备以及贫困学生救助费等。1943年,徐诵明为了保护进步教授,与分管教育的中统头目陈立夫发生矛盾,被迫辞职并被中统审查了近一年。1944年,徐诵明临危受命,出任同济大学校长兼医学院院长。此时的同济大学,从上海迁址云南后,又迁到了四川宜宾李庄。1944年末,抗日战争进入了最艰苦的时候,300多名师生应招入伍,对入伍学生,徐诵明出具从军学生肄业证书,签署了退伍学生可复学证明书,并盖上“国立同济大学”大印。抗战胜利后,同济大学师生迫切希望迁回上海,而国民政府却有意让学校留在四川,徐诵明坚决不同意。即便蒋介石到宜宾巡视时,徐诵明的态度仍然毫不动摇。1948年,国民党溃逃台湾,国民政府打算让徐诵明出任台湾大学校长,徐诵明拒绝了,他留在了大陆。值得一提的是,徐诵明与后来的开国中将贺诚结下了长达60余年的师生情谊。贺诚(1901年至1992年),四川射洪县人。贺诚于1922年考入国立北京医科学院,1925年加入中国共产党。后因参加推翻北洋军阀统治的进步活动,在临毕业时被学校开除。1926年,贺诚到南方以军医的身份参加了北伐战争。1928年北伐胜利后,贺诚在上海创办达生医院,该医院后来成为上海共产党人秘密活动地点。在创办医院前,因贺诚没有毕业证,不能取得医师证,贺诚遂向担任北平大学医学院院长的徐诵明写信,请求补发毕业证。徐诵明立即给他补发了毕业证,使得达生医院顺利开业。新中国成立后,贺诚被任命为中央政府卫生部副部长兼党组书记,中央军委总后勤部第一副部长,兼卫生部部长。贺诚立即电邀徐诵明赴京工作。徐诵明此后主持了全国医药院校的建设发展规划,使新中国的医学教育事业形成了一个完整的符合中国国情的体系。1990年10月,百岁老人徐诵明,实现了加入中国共产党的夙愿。1991年8月26日,徐诵明在北京去世。(原标题:中国病理学的开创者和奠基人——徐诵明 带领大学生科研救国)来源:北京晚报 作者:孙天培流程编辑:L006

劳我以生

卞修武委员:用病理解剖揭开新冠肺炎的“真面目”

◎ 科技日报记者 雍黎卞修武委员一刻都没停歇过。从2月8日奔赴武汉抗疫一线,到4月16日圆满完成任务后随军队支援湖北医疗队回撤,回到重庆继续与团队讨论新冠肺炎病例的最后诊断,深入研究病理机制,再到在京参加全国两会……在新冠肺炎疫情防控一线,中国科学院院士、陆军军医大学西南医院病理科主任、全军临床病理学研究所所长卞修武带领着他的“病理战疫队”,完成了40例患者遗体解剖病理诊断和深入研究工作,建立了目前已知范围内全世界数量最多、病理数据最齐全的首个新冠肺炎病理样本与信息库,并牵头总结国内总共91例新冠肺炎解剖的诊断和研究成果,填补新冠肺炎诊疗规范中病理学内容的空白。卞修武院士在交流会上发言。受访者供图建国内首个生物安全级尸检方舱和“战地”病理科遗体病理解剖是全面揭开新冠肺炎“真面目”的最直接手段,是实现其“最后诊断”的唯一途径。在卞修武的手机屏保上,一直保留着他们团队首次发现和报道的肺内新冠病毒的“真面目”——肺部特征性病变和电镜下的肺内新冠病毒。“病理即疾病发生发展和结局的原理。”卞修武表示,病理解剖就类似“侦察兵”,病理诊断就像临床医生的“眼睛”。由解剖获得的新冠肺炎病理研究结果,对于认识新冠肺炎的病理改变和本质、揭示发生机制和发展规律、完善临床诊治方案,都有重大帮助,并能从根本上寻找新冠肺炎的致病和致死原因,给临床救治危重症患者提供依据。疫情暴发伊始,作为全国政协委员的他,1月份就通过全国政协委员“履职平台”等途径提出开展新冠肺炎尸检工作的建议方案,并被国家采纳。2月初,卞修武院士主动请缨,获准后他立即和擅长穿刺工作的影像学专家到达武汉,成为军事医学专家组成员。传染病尸检工作的特点可以概括为,“脏、累、险、严、慎、隐”,其中如何防控其传染性是难点。疫情下的武汉,没有符合要求的尸检室和配套设施,卞修武克服重重困难,通过从全国各地紧急筹措,“三天集成负压尸检方舱”“两天建立红区病理科”“两小时获批尸检机构资质”,在移动手术方舱基础上,在火神山医院建了首个符合负压过滤的生物安全尸检方舱和病理制样与诊断室(病理科)。卞修武院士在火神山医院。受访者供图建议建立病理样本库,加强病理平台建设“病理解剖是直接触摸病毒,而且是活病毒,危险性不亚于甚至超过ICU(重症监护病房)。”卞修武说,但他们没人退缩。他清楚地记得,在武汉进行的第一例解剖是在2月18日夜,整个过程持续了3个多小时。初春的寒夜,他们防护服内的衣服全部湿透。卞修武带领来自全国各科研院所的病理学团队,与病毒进行“殊死搏斗”,先后完成40例患者遗体解剖(包括全身系统解剖和局部穿刺“微创解剖”)病理诊断和深入研究工作,牵头组织制定了新冠肺炎尸检方案,形成疫情期间全国病理科工作指南等系列规范和共识。卞修武说,“我在病理解剖公报中,总结这次疫情中全国系统尸检和穿刺共91例,是在全世界第一次把这个病的病理变化写成共识,进入诊疗方案,向世界卫生组织(WHO)推荐。”卞修武表示,通过本次疫情中的尸检工作和病理学研究,积累了一系列生物安全条件下的病理平台诊断体系构建经验,同时也暴露了我国病理学发展中多年来积累下来的一些短板。这次全国“两会”,他从国家生物安全角度、我国病理学发展建设等方面提出了自己的提案。他建议建立国家级新冠肺炎病理样本库,使这类重大新发传染病样本资源得到安全、科学、规范、充分利用,深入开展新冠肺炎研究;加强对涉及生物安全、国家社会组织经济利益的重要研究资源和成果的样本信息采集、整理和保护,并共享和交流;从国家安全和医学发展层面,要加强病理平台建设,完善遗体捐献和尸体解剖法规。同时,他还提出成立“新型冠状病毒肺炎病理学专家委员会”,进一步总结和推动形成新冠肺炎病理学国际共识和诊断指南;在尸检结果和重要发现方面要集中发出中国声音,体现新冠肺炎防控方面病理工作的国家行动;以尸检发现为基础,结合临床科学问题,加强新冠肺炎的病理学等基础医学研究,更好地指导临床实践。来源:科技日报编辑:张爽审核:管晶晶终审:冷文生

片山

AI技术让病理检测更“聪明”

被人工智能技术加持的病理学诊断,将会为中国医学界带来怎样的福音?据行业专家预测,AI病理技术将填补中国4-9万的病理医生缺口,进而极大地解放更多医疗资源。同时也将大幅提升检测效率和精准度,化身“医生的医生”,成为病理医生们的“最强大脑”。有了AI技术,病理科医生们再也不用坐在显微镜前小心翼翼地反复查看,将切片电子化就可直接在电脑中读取,且电脑屏幕上的切片样本将更加清晰、明朗。聪明的人工智能还会辅助病理医生进行初筛,完成一些简单而繁重的工作,用最快速度完成人脑不擅长且易出错的工作,保障数据的精准度。在临床应用上,宫颈癌筛查等AI产品已率先得到了开发。从“数字视觉挑战赛”看病理AI的“聪明”秘诀在病理检测也要进入AI时代时,人们不禁会发问,病理AI到底从哪些方面进行了提升和修改?为回答大众疑问、切准行业痛点,阿里云天池联合英特尔举办了“数字视觉”挑战赛-宫颈癌风险智能诊断,以赛事强化人工智能与病理检测的深度结合。“数字人体视觉挑战赛”将探索机器视觉等AI技术在宫颈癌筛查的应用前景,会大大加速人工智能技术在病理领域的普及,提升我国医疗服务质量,推动智能医疗产业发展。大赛选取宫颈癌的早期筛查作为突破口,目前已搜集到了一批创新性强、复用率高的算法案例,为病理AI的未来发展提供了新思路。这项比赛可以有效落实人工智能与病理筛查深度融合的应用落地,由点到面地驱动国内人工智能医疗产业长足发展。本次大赛由阿里云计算有限公司和英特尔(中国)有限公司主办,北京协和医院指导。人工智能领域巨头英特尔为参赛选手提供硬件和技术支持。用于比赛中的英特尔 深度学习加速技术(VNNI 指令集)极大提升了本次比赛的推断效率,将病理筛查的判断时间从 5s 降到 0.1s。而长期关注“AI+医疗影像”前沿应用的阿里云一直致力于培育新业态发展,策划本次比赛是为了深化健康大数据创新。每一个参与机构都是行业标杆,这也从另一侧面说明了医学界对数字病理领域的重视程度。据天池大赛官方表示,本次赛事总奖金达70万元,参赛选手不仅有望获得丰厚的奖金,相关赛事成果也将第一时间对接医疗产业,加快科研创新和转化进程。来自细胞检测分类算法赛道和 VNNI 赛道的 20 支队伍通过层层角逐决出了胜负。deep-thinker 团队和 LLLLC 团队分别获得了算法赛道和 VNNI 赛道的冠军。选手采用模型量化的方法后单张 ROI 区域细胞检测仅需要 0.1s;选手比赛中所沉淀的算法可以嵌入到市面上常用的宫颈癌细胞学数字扫描设备中;预计节约医生 10~20 分钟的阅片时间。此次大赛以宫颈癌为切入口,是希望通过提供大规模专业医师标注的宫颈癌液基薄层细胞检测数据,让选手对宫颈癌细胞学异常鳞状上皮细胞进行定位并对其细胞学图片分类,以提高模型检测的速度和精度,辅助医生进行诊断。选择宫颈癌早期筛查作为切入点,是因为考虑到其细胞学检测的可操作性更适合当前的数字病理检测水准。此外,宫颈癌作为妇科最常见的恶性肿瘤,居我国女性死亡率排名第二,因此宫颈癌的防治非常重要。在医疗行业,医生通常采用宫颈癌细胞学对宫颈进行筛查和接种疫苗来降低罹患宫颈癌的风险。其中宫颈细胞学阅片人员匮乏,阅片数量压力大,引入更高效、精准的机器阅片帮助医生做病灶位置粗筛、疾病辅助诊断已经成为潮流。“现代科学技术的介入对于医疗工作有着很大的推动。”大赛指导单位北京协和医院郎景和院士希望能够通过这次大赛摸索出更便捷和准确的筛查方法,将宫颈癌的筛查和防治工作推向一个新的高度。在总决赛期间,大赛组委会还举办了“2020 阿里云天池数字病理视觉挑战赛和研讨会”,吸引了来自第三方病理诊断中心、学术界、产业界的多位数字病理行业前来。研讨会还重磅发布了《数字病理诊断排行榜》,评选出了数字病理行业产业链各个环节的 Top 级企业。AI技术助力数字化病理检测走完“最后一公里”在我国病理检测领域,人才缺失依然是最大的问题。培养病理医生的周期非常长,培养出一个经验丰富的高年资诊断医生大约需要十年时间,且病理工作强度高,让很多学病理的医生都没能坚持到最后。尤其是顶尖的三甲医院,工作量更是无法想象:仅2017年一年,301医院的活检病例就已达到近9万例,这9万例报告每例都要经过普通医生从大体标本取材、一线医生阅片、二线医生阅片到报告签发的过程。有些疑难病例还要经过三级医师阅片,甚至全科医生的集体讨论。因此医生加班阅片已是常态,至少1/3的病例检测是在加班时间完成的。此外,病理科不像诊断科、影像科具有自动化程度低的特点,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,免疫组化或分子病理,所需诊断时间达 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。当前的病理诊断主要是以手工操作为主导,所以当下的主要切口在于降低重复性工作,提升病理诊断效率。人才培养和诊断周期过长加剧了医院病理检测的压力,技术应用场景还是病理AI的“最后一公里”,目前属于薄弱环节。而AI技术的出现将有效辅佐我国病理检测行业走好这“一公里”。目前,病理 AI 的研究主要有三个部分,包括开发模型、建立关联性和预后预测,可以覆盖从基层医院到三甲医院的不同应用场景。人工智能将以迅速、标准化的方式处理医学影像,分辨出单个小区域内被标注为“肿瘤”的像素,对可疑影像进行勾画、渲染,并给出辅助诊断建议。虽然许多病理AI产品被应用到临床创新实践,但底层核心技术还没有达到能推动这个领域成熟、成体系的地步。中华医学会病理学分会前任主任委员、四川大学华西医院病理科教授步宏在主题为《远程病理与人工智能的再思考》的远程演讲时就提出,病理AI一定要在使用中完善与成熟,要建造信息共享平台,用灵活的机制与运作打破病理人工智能的研发孤岛。“病理诊断需要整合各种维度的医疗信息,病理AI的目标应该是提供多元量化指标的支持系统。”走好病理AI的“最后一公里”,不是让AI技术取代病理科医生,而是提高其工作效率和准确度。没有病理医生参与的病理AI最后也很难获得商业上的成功——做病理AI只强调人工智能是不够的,病理是非常复杂的学科,不能拘泥于切片扫描与标注、深度学习等技术,要把诊断专家的经验与数字扫描分析结合起来。在这样的语境下,病理界和企业界之间要产生一种相互宽容的机制。整合用于病理诊断的医疗信息需要过程,因此双方的期待值都不能过高。创新企业可以贴合政策需求,推动病理AI落地和产业发展,帮助病理AI走好这“最后一公里”。相信随着临床需求以及市场对病理重视度的提高,病理AI在不久的将来会蓬勃发展,为病理诊断带来新的变革。(诺诺 / 数据猿)数据猿官网原文:http://www.datayuan.cn/article/17206.htm

鬓眉交白

科研宝典:各类病毒在科研中的使用技巧(值得收藏)

来源:吉凯基因对于科研工作者来说,由于动物实验更能模拟人类的生理和病理条件,所以比体外实验更有说服力。在某个通路或某种疾病的研究中,通常会人为地将外源基因用病毒载体注入动物组织,检测其对其他基因和通路、组织器官、动物行为等的影响。但这类动物实验条件的摸索和优化,是一个难点。选择何种病毒、如何选择注射的部位、注射多少体积、以及注射后的检测时间等实验条件都需要摸索。病毒产品该如何选择?此时您可以根据研究目的,选择适合的产品。一般需要进行体内动物实验的推荐使用慢病毒和腺相关病毒AAV。慢病毒因其转染效率高、感染谱广、适合体内体外实验等突出优势,广泛应用于基因功能研究,尤其是在肿瘤研究领域。如果您想了解更多关于慢病毒在肿瘤领域的文章,请点击【慢病毒如何应用于肿瘤研究】。腺相关病毒(AAV)体积最小,因此载体的容量最小,具有无致病性,扩散效果好,病毒滴度高,且能在转染的宿主细胞中长期表达等优势。AAV注射动物后,一般会在1-2周左右开始表达,体内实验一般建议感染后3-4周看第一批结果。在AAV中有一类组织特异性AAV载体由于其“高效感染 靶向调控”实现在不同组织中特异性的高效表达受到了诸多科研工作者的青睐,点『这里』可以查看科研大咖的亲测分享~~现小胶质细胞、内皮、肌肉、肝脏、视网膜穆勒细胞等一系列热门组织特异性AAV载体试用装正在免费申请中(点击文末链接)。如何提高病毒的在体实验感染效率?查询相关的文献,参考文献中病毒用量、注射方法、注射位点等详细信息,再摸索一下实验条件,改变一下病毒的注射方法和用量等。很多情况下,感染效率不好并不是病毒本身的原因,而是由于实验操作步骤、注射位点、或者注射方法的问题导致的。经过一段时间的实验条件摸索,可以得到相对更好的结果。在此给大家分享一些工具病毒在不同系统中的注射剂量参考,相关参数来源于已发表的文章,如需原文请回复关键词“病毒注射”,在体实验应用较多的是慢病毒和腺相关病毒AAV,并且最广泛的应用于神经系统、心血管系统和肝脏等研究领域。神经系统 :心血管系统 :肝 脏 :肺 :以上给大家介绍了在体实验中病毒该如何选择以及其特点和在不同系统中的注射剂量推荐,接下来给大家解惑一下病毒注射中常遇到的表达效果不好和荧光问题。病毒注射动物的时候表达不好或非常弱怎么办?首先需要排除病毒注射手法、实验剂量、取材时间、组织处理、切片上的问题,如果不知道该如何改进实验流程,可以回复关键词“病毒注射”获取产品技术手册。大部分情况,往往是实验的手法并不熟练,或者可能没有打准位置,特别是一些带特异启动子的 AAV,观察的时间点太早,导致目的基因还没有表达完全。建议重新摸索实验条件。不注射病毒的对照也有荧光亮?常见于组织处理有问题,例如多聚甲醛浸泡时间过久、组织切片染色的时候太干燥,导致非特异性背景过高,在此建议重新改善组织处理的流程。关于工具病毒在体实验中的问题您都get了,现在您或许正需要付诸实践,但缺少病毒产品。福利第一弹:吉凯基因慢病毒年中限时大促火爆进行中福利第二弹:免费网络公开课(解锁国自然热点『外泌体』研究的新思路)外泌体作为研究“新星”,在近几年的国自然基金项目中中标金额连年攀升。2018年外泌体相关的国家自然科学基金中标总计为1.76亿元,较2017年1.26亿元增加40%。关于发表的文章数量也有大幅增加,也出现了很多高质量的文章。据不完全统计7月份国内新出的外泌体和细胞外膜泡领域论文已经有118篇。IF>10的5篇,10>IF>5的31篇。关于外泌体的研究,相信您踩过很多坑,遇到过很多问题,那么接下来的这节课可以给您的科研之路一臂之力。福利详情:科研宝典:各类病毒在科研中的使用技巧(值得收藏)

柏辽兹

36氪首发 | 基于病理切片进行癌症诊断,AI+数字病理分析公司「迪英加」获数千万元A轮融资

36氪获悉, AI数字病理分析公司迪英加宣布已获得数千万元A轮融资,本轮由君联资本、金阖资本(金域医学关联基金)和IDG资本共同领投,将门创投、布朗什维克基金继续跟投。据创始人杨林透露,本轮融资将主要用于完善公司的四条产品线,建立迪英加杭州/上海/美国研究院,及继续开拓海外市场。关于迪英加36氪曾有过介绍,它专注于提供数字病理图像分析工具用于癌症诊断和分级。在自主研发的高通量显微图像成像和处理技术及大体量数字病理影像图库基础上,公司打造了病理互联和智能病理(硬件+软件)两套系统,提供远程病理图像分析和全类比AI病理辅助诊断,涉及细胞病理、组织病理、分子病理、免疫组化;另外,一款名为“病理星球”产品能提供海量数字病理图片用于科研和临床。杨林表示,这四款产品能覆盖数字病理全产业链的各类需求。另外,据杨林介绍,其高通量快速分析系统5秒就能处理完1亿像素的全视野病理扫描图像,细胞检测精度达99%。一直以来,病理切片分析都被医学界公认为癌症诊断的“金标准”。许多病人的临床诊断须通过细胞形态学及组织病理学检查才能得到最终确认,包括各类肿瘤性疾病的区域、良恶性质、分期、分型等,从而为临床选择正确治疗方案、术后诊断提供依据。在病理医生的实际阅片中,原始病理切片的图片尺寸庞大,肿瘤细胞群的尺寸却十分微小,他们往往没时间对每张病理切片都进行仔细分析计数。譬如一次大体切片活检,病理医生通常要对约几十张病理图像进行审查才能确定患者是否患病,其中每张图像都超过2000万像素、信息量极大,但只有几张图像与患病区域真正相关,病理医生经常要花费大量时间查看病理切片。与之对应的是,目前全国病理医生也极度缺乏。公开统计数据显示,截至2015年,全国在册病理医生11000余名。其中,70%的病理医生集中在三级医院,三级医院平均配备3.63名病理医生;而超过两万家二级及二级以下医院,平均每家医院仅有0.12名病理医生,与原卫生部制定的每百张床配备1-2名病理医生的标准差距悬殊。可以说,在病理诊断领域,市场供需关系严重失衡,且短期内很难改变。随着肿瘤发病率和死亡率的日益上升,病理科在满足临床对快速、准确、靶向、预测性病理诊断的需求上都面临着巨大挑战,AI的出现有望解决这一难题。它能自动分析、分割、检测感兴趣区域、定量评估病变区域变异程度,从而帮医生分担很多重复性、机械性工作,提高工作效率。迪英加切入的正是这一细分领域,其基于自动检测和分割图像算法的高通量分析系统能直接对全场图像进行判读,并聚焦于算法突出的肿瘤区域,提高辅助诊断效率。以宫颈图片为例,迪英加开发的系统能在5秒内自动筛掉大量的阴性切片,系统判读的敏感性为100%,特异性为95%以上。而传统用深度学习算法来预测肿瘤区域的项目多数只能将每张切片剪切成大量小尺寸图块,再预测单张图块是否为肿瘤区域。不过,仅凭单张图块而不知周边区域的情况会影响预测准确度,由此产生的假阳性十分显著。当然,AI在医疗中应用的一项关键问题在于能否持续获得高质量的数据。杨林透露,截止目前其产品已在国内外50余家医院落地,积累切片数据15万例,涵盖20多种癌症。他还表示,病理数据难追溯,不存在泄露患者个人隐私的问题,相较于大影像和基因数据,在安全性和数据获取上都会更具优势。对于商业模式的考虑,杨林表示迪英加主要是“软件+硬件”结合,并同时面向国内和海外市场。其一是向医院、药企、第三方检验机构销售软件/提供(整体)解决方案;其二是销售自主研发便携式扫描仪(作软件载体)和与国内友商合作的高通量扫描器械。关于投资逻辑,君联资本投资总监杨轶表示,首先,迪英加的团队在科研和商业资源上都有足够的积淀,并在中国采用欧美水平进行了落地应用;其次,便携式硬件+软件结合的模式在成本控制和商业化方面都有优势,也易形成产业闭环;最后,君联和金阖的产业资源也能与迪英加发挥协同作用,让公司各产品线能更好地商业化落地。金阖资本负责人王智飞之一表示:金域医学拥有庞大的业务网络,有海量的病理数据要处理,未来能与迪英加产生业务协同。IDG资本合伙人牛奎光则认为,病理是非常适合AI辅助分析的领域,迪英加业务涵盖全球市场,发展潜力巨大。 除了迪英加,进行AI在病理诊断上的探索的公司还有一些。国外市场包括德国的Definiens和莱卡的Aperio,美国的Digipath、Paige.AI,丹麦的Visiopharm等等;在国内典型的有智微信科、微瞰、智影医疗、DeepCare等。

杏奈

腾讯“AI+医疗”研究新突破:从影像筛查进入病理分析阶段

【TechWeb】11月5日,腾讯首席探索官网大为介绍腾讯AI+医疗领域研究已从影像筛查进入病理分析阶段。病理AI技术的突破,代表着腾讯全栈式AI+医疗解决方案取得重要进展。腾讯AI+医疗病理分析融入AI及AR技能的智能显微镜,可根据医生的语音指令,自动识别、检测、定量计算和生成报告,并将检测结果实时显示到目镜中,提高诊断效率和准确度。网大为是在腾讯举办的WE大会上透露上述AI+医疗领域研究新进展的。腾讯首席探索官网大为腾讯WE大会是腾讯一年一度的全球科学大会,始于2013年,今年是第6年度。腾讯希望借助WE大会连接最具突破性的科学发现和前沿思想,激发人们创造创新,探索改变未来的各种可能性。今年的WE大会汇集了7位全球顶尖科学家,为大家分享了从天文、物理到生命健康等多个领域的突破性进展。网大为在WE大会介绍了腾讯“救命的AI”的多项进展和成果。据悉,2017年8月推出的腾讯首款AI医学影像产品“腾讯觅影”,目前已构筑起两项核心能力:利用AI医学影像分析,实现食管癌、糖尿病视网膜病变、乳腺癌等疾病的早筛;以及利用AI辅诊引擎,对700多种疾病风险进行预测诊断。截至2018年7月,腾讯觅影已累计辅助医生阅读医学影像超1亿张,服务超百万患者,提示高风险病变15万例。同时网大为也宣布腾讯AI+医疗领域研究已从影像筛查进入病理分析阶段。融入AI及AR技能的智能显微镜,可根据医生的语音指令,自动识别、检测、定量计算和生成报告,并将检测结果实时显示到目镜中,提高诊断效率和准确度。病理AI技术的突破,代表着腾讯全栈式AI+医疗解决方案取得重要进展。此外腾讯与天坛医院展开合作,借助AI技术,开发出能早期快速判别 “脑卒中”脑出血病因的辅诊算法与系统,有效降低医生的漏诊和误诊率,这套系统未来将在基层医院使用,让更多人享受到科技带来的改变。腾讯医疗AI实验室推出的帕金森病运动功能智能评估系统,在患者不穿戴任何传感器的情况下,仅通过普通智能手机摄像头拍摄,就能完成帕金森病的运动功能日常评估,全程只需3分钟,诊断速度相比传统评估方式提升10倍。据了解,由腾讯联合自然科研(Nature Research)创立的“自然科研全球影响力大奖”,也在WE大会上正式宣布将2019年奖项命题为“脑科学”,特别是颠覆性地改变人们对大脑的认识、并将此转化为现实影响力的科研成果,包括大脑与行为的关系、技术突破、预防和治疗大脑疾病的新颖技术等。大奖正式开放申请,获奖者名单将在明年11月公布。第一名获奖者将获得3万美元奖金,第二、三名获奖者将获得1万美元奖金。全球影响力大奖2019年奖项重点关注脑科学脑科学被称为“人类科学最后的前沿”。今年WE大会的演讲科学家之一,中国脑计划领军人物、中科院神经科学研究所所长蒲慕明表示,未来人工智能要进一步发展的话,就需从脑科学得到启发,包括机器学习的过程,怎么从脑启发的这个概念来设计新的计算模式,新的类似人脑的神经元结构的器件、芯片,甚至是机器人。除此之外,在今年WE大会上,2017年诺贝尔物理学奖获得者理论物理学家基普·索恩、哈佛大学理论物理学教授丽莎·兰道尔、欧洲航天局(ESA)科学与探索高级顾问马克·麦考林、中科院上海植物生理生态研究所合成生物学重点实验室主任覃重军、七位全球顶尖科学家,施普林格·自然集团总编辑菲利普·坎贝尔、美国西奈山伊坎医学研究所所长乔尔·杜德利也分别分享了各自研究领域的突破性进展。

太极

国际关注!中国科研人员取得重大医学突破,可有效抑制癌化细胞!

2021年1月12日,北京师范大学生命科学学院王友军教授课题组与美国德州农工大学Huang Yun和Zhou Yubin教授实验室合作,在窦非教授和孙林副教授团队的帮助下,共同在Nature Communications杂志上发表题为"Engineering of a bona fide light-operated calcium channel"的文章。王友军教授课题组2019级博士生王刘清与美国德州农工大学博士后何涟为该研究的共同第一作者。本研究受到国家自然基金委面上及重大研究计划项目(91954205,31671492),以及科技部重大研发计划课题(2019YFA0802104)的资助。由质膜上的Orai蛋白与内质网膜上的STIM蛋白共同介导的钙释放激活的钙(Ca2+ release-activated Ca2+ , CRAC)信号参与调控基因表达、生长增殖以及衰老死亡等众多生物学过程,是动物细胞中普遍存在的一种重要钙信号产生机制。CRAC功能失调与许多疾病,特别是免疫及包括阿尔兹海默症在内的神经退行性疾病等,密切相关。因而开发能操纵CRAC信号的工具具有非常重要的科学和医学意义。光遗传学技术具有时空特异性高、可逆性强及毒副作用小等优点,是操纵钙信号的新兴方式。但目前的光遗传学钙工具存在着钙选择性低、非特异性靶点多、易产生副反应等缺点,在实际应用中的局限较大。为此,研究团队将LOV2光控元件插入突变的Orai1蛋白的loop区,首次获得了一种单元件的光控钙通道:LOCa3。该工具可被蓝光可逆激活,介导钙内流(图1A-1B)。LOCa3是光遗传领域首个四次跨膜的光激活通道,它还保留了Orai1通道的高度钙选择性。团队利用LOCa3在细胞及在体水平上实现了对钙信号的光开关。LOCa3的光开关反应及在体应用。(A)设计示意图,(B)可逆光控钙信号,(C)AD-LOCa3果蝇设计示意图,(D)蓝光照射对AD果蝇攀爬能力的影响团队进一步在细胞及动物模型水平上展示了光开关的LOCa3对CRAC相关疾病的治疗作用。细胞水平上,LOCa3能够有效抑制癌化造血干细胞的异常自我更新,精准调控靶基因表达以及细胞自噬。在体水平上,表达LOCa3的阿尔兹海默症(AD)果蝇,被蓝光照射后其减弱的攀爬能力等AD表型得到了显著增强。此次的研究结果体现了LOCa3在生物工程及生物医学中的潜在应用价值。延伸阅读:王友军,1975年12月生,博士,教授,2013年5月正式入职北京师范大学生命科学学院抗性基因资源与分子发育北京市重点实验室,并入选教育部2013年度"新世纪人才支持计划",获得了国家自然科学基金面上、重大研发计划以及科技部重大研究计划等的资助。王友军课题组研究领域为钙信号转导机制及其生理病理作用。近年主要关注细胞器(内质网-质膜)互作过程中的钙信号通路,致力于揭示STIM-Orai蛋白介导的钙池操纵钙内流(SOCE)的激活及调控机制。还合作开发各种光遗传及光化学工具,通过光控胞内钙信号,来重建细胞或模式生物在病理过程中失衡的钙稳态,进而探究钙信号在老年痴呆等神经退行性疾病中的防治作用。素材来源:北京师范大学

现量

科研携手践行命运与共

来源:海外网“核酸检测结果出现变化怎么办?”“无创呼吸机和有创呼吸机应用时机及指征是什么?”“营养支持在治疗中的标准是什么?”在埃塞俄比亚最大的新冠肺炎指定救治医院伊卡·科特贝医院,面对当地医护人员的提问,中国援埃塞俄比亚抗疫医疗专家组一一详细解答。一切为了救人!生命至上的价值理念,把中国与世界各国紧紧联系在一起。面对突如其来的新冠肺炎疫情,按照习近平总书记提出的“坚定信心、同舟共济、科学防治、精准施策”总要求,中国坚持向科学要方法、要答案,将提高治愈率、降低病亡率作为应急科研攻关的重中之重,边救治、边总结、边改进,在50天内探索形成了7版新冠肺炎诊疗方案、6版防控方案,据不完全统计,中国专家在英文学术期刊上发表论文1100多篇。这些以巨大牺牲和代价换来的宝贵经验,被毫无保留地分享给全球180多个国家、10多个国际和地区组织,“给全球抗疫带来了希望”。经验来之不易!“父亲,永远留在了‘火神山’。”一位名叫蔡雅卿的武汉市民,将父亲的遗体整个捐献给火神山医院用于病理解剖。在她签署的同意书上写着,“这一捐赠样本的举动会为别的患者带来更多治愈的可能。”她说,如果知道自己的遗体还能帮助别人,父亲生前肯定也会同意。正是一个个离开病床就捐献血浆的患者,尚未走出巨大悲痛就同意捐献遗体的病人亲属,让中国建立了全世界首个新冠肺炎病理样本库,使武汉重症患者转归为治愈的比例从14%提高到89%。我们及时与世界分享医疗经验和成果,就是“希望疫情早日结束,不要有更多支离破碎的家庭”,这是中国的国家道义,也是人民的人性之光。疫情防控期间,中国践行人类命运共同体理念,倾力推进全球抗疫科研协作,与各国携手应对这场全球性危机。第一时间向全球分享病毒全基因序列、核酸检测引物和探针序列,开设向所有国家开放的新冠肺炎疫情防控网上知识中心,组织全球不同地区专家学者召开疫情防控视频会议……玻利维亚卫生部长阿尼瓦尔·克鲁斯表示,“正因为有中国的无私分享,很多国家和地区在疫情暴发时有了参考和对策”;马来西亚病毒学家林世杰指出,“正是由于中方第一时间分享新冠病毒的基因序列,全世界的科学家才能迅速开展相关研究”;意大利国家传染病研究所的医生们表示,中国医生“从预防、诊断到救治,每一个环节的分享都非常宝贵、有效”。一位诺贝尔奖获得者说,“同人类争夺地球统治权的唯一竞争者,就是病毒。”如何战而胜之?要靠科学,要靠合作。1918年西班牙流感席卷全球,各国在合力抗疫中促进了现代医学发展,也深刻认识到建立国际合作机制的重要性;20世纪60年代,世界卫生组织开展“天花根除规划”,包括美国、苏联在内的各国都参与其中,最终使天花在全世界范围内根除。在世界高度互联互通的今天,我们更要“用全球化的方法抗击全球性的疫情”。正如《人类简史》作者尤瓦尔·赫拉利所言,“历史表明,真正的保护来自于可靠的科学信息共享和全球团结一致”。针对当前的全球疫情,联合国秘书长古特雷斯则反复强调,“这是一个讲科学、求团结的时刻。”青山一道同云雨,明月何曾是两乡。这个春天,从罗马到贝尔格莱德,从德黑兰到伊斯兰堡,从黑海之滨到非洲之角,一次次挽救生命的协同作战,一幕幕研究疫苗的联合攻关,一场场无私分享的视频会议,让国际社会看到一个唇齿相依的世界,也看到一个负责担当的中国。我们提出打造“人类卫生健康共同体”,是因为我们对各国人民的困难感同身受,是因为我们坚信科技是战胜病毒最有力的武器,是因为我们深信“国际合作是全球抗疫的唯一出路”。病毒面前,生命很脆弱;抗击疫情,人类很顽强。只有抛弃成见,消除隔阂,人间才有更多温暖和力量。塞尔维亚总统武契奇对中国专家组充满感情,“他们坚守了6周,几乎走遍了所有出现病例的城市”“他们的到来使塞尔维亚人觉得自己不再孤单”。携手协作,希望在前;脚下有光,不惧黑暗。这个光,是人类的互助之光、协作之光、文明之光。(人民日报评论员)《 人民日报 》( 2020年05月13日 04 版)

苍蝇王

中国科研人员在《Science》发表新冠药物研发最新成果

中新网成都2月19日电 (记者 贺劭清)记者19日从四川大学获悉,四川大学华西医院生物治疗国家重点实验室联合中科院昆明动物研究所,于当日在《Science》上在线发表题为“SARS-CoV-2 Mpro inhibitors with antiviral activity in a transgenic mouse model”的研究论文。首次公开报道新冠Mpro抑制剂在SARS-CoV-2感染小鼠模型的实验数据。据了解,SARS-CoV-2主蛋白酶(Mpro)在新冠病毒复制过程中起关键作用,同时其具有不同于人体蛋白酶的特异切割位点,因而被认为是开发抗新冠病毒药物的理想靶标。该研究工作首先通过理性药物设计(rationaldrugdesign)、并合成了32个包含双环脯氨酸片段的全新结构小分子化合物,这些化合物在体外均可有效抑制SARS-CoV-2Mpro活性(IC50:7.6-748.5nM)。研究团队选择了一个酶抑制活性最高的代表性分子MI-23,通过解析其与Mpro复合物的晶体结构,阐明了抑制剂与Mpro的相互作用模式,很好地解释了这些化合物具有高活性的结构基础,这种相互作用模式也与团队最初的分子设计思想一致。经过对这一系列化合物的体外细胞水平上的抗SARS-CoV-2病毒活性、大鼠药代动力学性质和安全性等评价,研究团队最终选择了两个高活性、并具有良好药代动力学性质和安全性的小分子化合物(MI-09、MI-30)开展体内抗病毒活性测试。在SARS-CoV-2感染的转基因小鼠模型中,口服或腹腔注射MI-09或MI-30可显著降低肺部病毒载量和肺部病理损伤。该研究工作报道了一系列高活性的全新结构新冠病毒Mpro小分子抑制剂,并从分子、细胞和动物三个层面详细阐述了这些抑制剂的作用机理和抗病毒效果,从药代动力学性质和安全性等方面证实该系列化合物具有开发成抗SARS-CoV-2病毒药物的潜力。(完)