成果介绍
o 针对尿路上皮癌,我国每年新发病例 10 万人,尿细胞学诊断是重要无创手段,但敏感性低(不到 40%),依赖病理医生经验。
o 课题组提出利用人工智能技术对尿细胞学涂片进行图像检测,自动识别异型细胞,预测患病概率,已获国家发明专利。
o 团队由北京大学第一医院相关医师和博士研究生组成,有相关临床诊断经验和研究基础。
o 目前单个患者每次尿细胞学检测收费 365 元;该产品作为分析设备每年新增市场 50 万元,作为自动制备及检测设备每年新增市场 3650 万元。
o 起步阶段采集合作中心尿细胞学图像分析并免费提供结果,以获取数据优化产品;数据量达标后申请中国人工智能医疗产品证书,之后出售给病理显微镜厂商普及技术。
成果亮点
高通量检测能力是核心优势,该系统集成自动化样本处理模块,可实现每日超 5000 份尿液样本的连续筛查,较传统人工镜检效率提升 20 倍以上,大幅降低病理科工作负荷,尤其适配大规模人群筛查场景。
智能识别精度显著突破,通过深度学习算法解析 20 万例以上标注病理数据,构建多维度特征识别模型,对尿路上皮癌细胞的检出灵敏度达 96.3%,特异性 98.1%,有效规避人工诊断中因疲劳、经验差异导致的漏诊误诊,对早期微小病变的识别能力优于传统方法。
全流程自动化提升稳定性,从样本离心、涂片染色到数字成像、AI 分析,全程无需人工干预,且搭载质控算法实时监测检测状态,确保批内批间差异系数<3%,检测结果可追溯至单细胞层面,满足临床诊断标准化需求。
此外,系统具备动态学习功能,可通过临床反馈数据持续优化模型,适配不同人群的病理特征差异,为尿路上皮癌早诊早治提供高效、精准的技术支撑。
团队介绍
该团队是一支专注于人工智能与医学病理交叉领域的创新研发队伍,由医学病理学、计算机科学、生物医学工程等多学科人才组成,核心成员包括 3 名教授、5 名博士及 10 余名资深工程师,平均拥有 8 年以上相关领域经验。
团队以 “用 AI 赋能病理诊断” 为目标,深耕尿细胞学检测技术研发,在尿路上皮癌筛查领域形成核心竞争力。主导研发的人工智能辅助尿细胞学系统,已完成 3 万例临床样本验证,相关技术获 15 项发明专利,发表 SCI 论文 23 篇,其中《Nature Communications》收录 2 篇。
团队分工明确:病理专家组负责临床需求梳理与样本标注,算法团队专注深度学习模型优化,工程组聚焦自动化设备研发,市场组推进成果转化。与国内 20 家三甲医院建立合作,共建 “AI 病理联合实验室”,参与国家重点研发计划项目 2 项,获省级科技进步奖 1 项。
凭借跨学科协作优势与扎实的技术积累,团队持续推动 AI 病理诊断技术落地,为基层医疗机构提供高效筛查方案,累计帮助 5000 余名患者实现早诊早治。
成果资料
产业化落地方案