医疗人工智能（AI）企业JLK（代表 Kim Dongmin）于26日表示，公司已通过应用基于深度学习的“弱监督学习（Weakly Supervised Learning）”方法，获得一项可自动分析胃腺癌组织分化程度技术的专利。
此次专利的核心价值在于，掌握了能够解决医疗AI开发过程中成本最高环节——训练用大数据构建难题的弱监督学习技术。
传统的医疗AI开发必须经过一个关键流程，即对成千上万张影像数据由人工逐像素进行标注（annotation），以构建训练数据。业界普遍认为，尤其是病理影像因图像尺寸大、形态复杂，标注工作的难度和成本极高，是一大共同难题。然而，JLK此次获得的专利技术提出了一种在技术上可解决这一高成本、高难度问题的新方法。
该专利技术的核心，是一种弱监督学习结构，使AI在无需像素级复杂标注的情况下，仅依靠整张切片信息和部分标签即可完成学习。也就是说，即便人工不逐一标出癌细胞的精确位置，AI也能自动识别主要组织区域，并自行推断高度、中度、低度分化等组织分级。借此可大幅削减相较以往的数据构建成本和时间，并在同等预算下获取更多数据，为AI进一步高度化提供基础。
该技术并非仅限于某一种癌症，而是一项通用技术，能够在标签较少的前提下学习大规模数据，因此被评价为可提升JLK整体产品线竞争力的源头技术。JLK目前重点开发的脑卒中AI解决方案（基于CT/MRI的预测与诊断）同样需要多机构、大规模数据，因而基于弱监督学习的数据处理技术在脑卒中领域的数据获取、学习速度和预测模型高度化方面具有重要意义.
在胃癌领域，这项专利技术可被具体落地应用。AI会在整张切片图像中自动检测组织区域，然后基于癌细胞的分化程度，自动将其分为高、中、低分化等级，并定量计算相应比例（%）提供给医护人员。尤其是低分化组织，与淋巴结转移风险高度相关，是治疗决策中的关键信息。由于AI可以自动将低分化区域可视化并定量化，被认为在今后转移可能性预测或治疗优先级决策等多种临床研究方面具有较大扩展潜力。
JLK计划今后将此次基于弱监督学习的专利技术，不仅应用于胃癌病理，还将扩展至脑卒中、痴呆、心血管疾病及其他病理影像等多样的医疗AI产品线，以进一步强化数据构建效率和技术扩展性。公司特别计划以韩国、美国、日本等数字病理和医疗影像市场增长态势明显的国家为中心，加速推进全球化战略。
JLK代表 Kim Dongmin 表示：“此次专利不仅仅是获得了胃癌分析技术，更是取得了一项能够解决医疗AI开发最大门槛——‘数据构建成本’问题的战略性技术成果。基于弱监督学习的源头技术将成为JLK在包括脑卒中在内的全部业务领域强化竞争力、并在全球市场加快增长速度的重要资产。”
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
