[학회] ASDP 2024 Seoul 2일차 후기 (10.03.24)

https://apple2jobs.tistory.com/70

[ASDP 2024 Seoul] 1일차 후기 (10.05.24)

 
지난 포스팅에 이어서 이번에는 둘째날 후기를 작성하고자 한다.
 
수요일과 다르게 목, 금요일은 Room A와 B 중 선택해서 발표를 들어야했다.
내가 관심이 많은 강의 주제가 주로 A에 있어서 나는 두 날 모두 A를 선택하였다.
 

1. Digitization and use of artificial intelligence to enhance diagnostic pathology workflows

Anil Parwani (Department of Pathology, Ohio State University, USA)
 
https://scholar.google.com/citations?hl=en&user=_BJXYdsAAAAJ

Anil Parwani

 
이 교수님이 재직 중이신 Ohio University는 DP 시스템이 잘 구축되어 있다.
 
https://pathology.osu.edu/divisions/digitalpath.html

OSU Pathology - Digital Pathology

 
현재 병리학 진단에서 사용 가능한 구체적인 응용 분야는 다음과 같다.
 
1. Cancer Diagnosis and Treatment
2. Prognostic and Predictive Applications
3. Quality Control
4. Workflow Efficiency
5. Pathology Training and Education
 
미국에서도 병리과에 지원하는 전공의 숫자가 매년 감소하고 있어서 디지털 병리가 필요하다고 하셨다.
또한, 디지털 병리학이 궁극적 미래 의료인 정밀 의학(precision medicine)에서도 key role을 할 것이라고 강조하셨다.
 

2. Nuts and bolts of digital pathology

Rajiv Kaushal (Department of Pathology, Tata Memorial Hospital, India)
 
https://scholar.google.com/citations?hl=en&user=lc8pdrUAAAAJ

Rajiv Kumar Kaushal

 
1. Application of DP
 
1) Clinical
2) Research
3) Education
 
자교 교수님께서 말했듯이 아직까진 진단보단 연구쪽에 많이 쓰이는 것 같다. 
 
2. Member of DP teams 
 
1) Pathologist
2) Laboratory technical staff
3) IT personnel, Biomedical Engineers and Hospital Administration
 
3. Essential element of DP
 
1) Scanner -> main, 목적에 따라 사용하는 스캐너의 종류가 다름 
2) Cloud Storage System
3) Software
4) Display
5) Network (Internet): using an independent server is recommended to accomodate the large size of image data
 
4. Computation pathology in 2030
https://www.thelancet.com/journals/ebiom/article/PIIS2352-3964(22)00609-0/fulltext
 

3. Beyond 1 million slides: How the era of foundation models is super charging precision medicine

Thomas Fuchs (Windreich Department of Artificial Intelligence and Human Health, Icahn School of Medicine at Mount Sinai, New York, Hasso Plattner Institute for Digital Health at Mount Sinai, Icahn School of Medicine at Mount Sinai, New York, USA)
 
https://scholar.google.com/citations?hl=en&user=zh0Raz8AAAAJ

Thomas J. Fuchs

 
이분은 Paige라는 디지털 병리 회사를 공통 창업한 사람 중 한 명이다. Paige는 PathAI와 더불어 글로벌 DP 회사 중 하나이다.
 

Paige의 Founder, Thomas Fuchs

 
https://paige.ai/

Home - Paige

 
Paige에서는 PRISM이라는 Pathology Foundation Model을 개발하였다. 이 논문의 저자이기도 하시다.
 
https://arxiv.org/abs/2405.10254

PRISM: A Multi-Modal Generative Foundation Model for Slide-Level Histopathology

 

Paige Software 실제 구현 모습

 

직접 영어로 질문도 해봤다

기존의 strongly supervised learning 기법은 병리학자가 모두 annotation해야 하는 번거로운 작업이 이루어져야만 했었는데, weakly supervised learning 기법이 발전하면서 이러한 노동이 줄어들 수 있었다고 한다. 
대회 준비하면서 읽었던 Multiple Instance Learning 기법의 도입 배경이 떠올랐다. 
 
PRISM 모델을 써서 전 세계의 병리과 의사가 자신의 task에 맞게 fine-tuning할 수 있도록 huggingface에 오픈소스로 코드를 뿌렸다. 나도 사용 승인 허가를 어제 받아서, 나중에 써보고자 한다!
 
https://huggingface.co/paige-ai/Prism

paige-ai/Prism · Hugging Face

 

4. Fundamentals of AI algorithm development - pathologist perspectives

Haeyoun Kang (Department of Pathology, CHA University CHA Bundang Medical Center, Korea)
 
https://scholar.google.com/citations?hl=en&user=Phd1FSMAAAAJ

Haeyoun Kang

 
이 분의 강의에서는 이전 논문에서 봤었던 궁금증들을 해소시켜주는 내용이 많아서 정리해보고자 한다.
 
1. Definition of Ground Truth
- A category, quality, or label assigned to a dataset that provides guidance to an algorithm during training.
- Accurate and objective data used as a benchmark to train and evaluate algorithms
- Expert-annotated histology images or clinical data that serve as a reference for validating the performance of ML models.
- Depending on the task, the ground truth can be...
1) Patient-level characterization 
2) Slide-level characterization
3) Objects or regions within the image (ROI, region of interest)
 
2. Pixels and Patch size
- Pixels: any of the small discrete elements that together contstitue the image
- Patch size should be considered on what you whould like to analyze:
1) Tissue segment: 4x, 10x on light microscope
2) Cell type: 20x, 40x on light microscope
3) Nuclear feature: > 40x on light microscope
 

5. 기업 탐방

Room A 옆에 Exhibition Room이 있는데, 우리나라 및 글로벌 디지털 병리 관련 회사들이 자신의 제품을 학회 참석자들에게 소개하고 계셨다. 화요일날 강연 도중 졸음이 몰려올 때 잠깐 나가서 탐방하였다. 
 

Roche

 
https://www.roche.co.kr/
 
Roche의 Digital Solution에는 총 3개의 서비스가 존재한다.
1. Roche Digital Pathology: 진단 및 바이오마커 해석
2. navify Mutation Profiler: 치료 옵션 및 임상시험
3. navify Tumor Board: 환자 치료 전반에 걸쳐 조직화된 관리 
 
대표 스캐너는 VENTANA DP 600로, LIS 연결을 통해 실제 DICOM 파일 형태로 생성한다. 스캐너뿐만 아니라, 소프트웨어(Roche uPath Enterprise Software) 및 알고리즘(Roche Image Analysis)도 존재한다. 직원 말로는 아직 회사 자체 알고리즘 개발은 아직 미흡하다고 하셨다. 아무래도 하드웨어 회사니깐 그렇지 않을까 싶다...
 

 

Neurocle

 
https://www.neuro-cle.com/

뉴로클 | AI 딥러닝 비전 소프트웨어

 
Neurocle은 3개의 프로덕트가 있다.
 
1. NEURO-T: 최적의 딥러닝 모델을 자동으로 생성
2. NEURO-X: 파라미터 조정으로 자유도 높은 연구 가능
3. NEURO-R: 원하는 의료 서비스에 연동 가능
 
직원 분께서 가장 강조하시는 product의 장점은, 의료진이 딥러닝 엔지니어 도움 없이 AI 모델을 개발할 수 있도록 직관적인 GUI를 구축했다고 한다(No-code). 같이 협업할 AI 엔지니어가 부족한 의료진들을 타켓한 것이 아닐까 싶다. 
 

어반유니온

 
어반유니온(URBAN CORP)는 국내 AI 헬스케어 플랫폼 기업이다. 
 
http://urbanunion.co.kr/

URBAN UNION | 어반유니온

 
MedDI Platform이라는 국내 최초 클라우드형 디지털 병리 플랫폼을 개발하는데 크게 3가지 서비스가 존재한다.
 
1. MeDI Platform
2. MediAuto: 다양한 포멧의 병리 WSI 데이터를 모두 확인 가능 / 주석 기능, 멀티 뷰어 솔루션
3. MeDI CDSS: 유방암과 위내시경을 통해 암을 진단하는 병리 AI-CDSS
 

AIVIS

 

 
https://www.aivis.kr/

AIVIS

 
https://n.news.naver.com/mnews/article/008/0004961661?sid=101

AI 유방암 병리진단 솔루션 개발 '에이비스', 중기부 '팁스' 선정

 
에이비스는 고대 출신 연구원들과 의사가 함께 설립한 회사로, 다양한 병원과 협약 체결을 맺고 있다.
알고보니 작년에 성모병원에서 개최한 병리 데이터톤에서도 2등을 수상한 경력이 있는 것 같다.
다른 기업과 다르게, 병리 솔루션에만 집중 타겟해서 개발하는 만큼 많은 기대가 되는 회사이다.
 
*현재 국가에서 수가가 인정되는 biomarker는 Ki-67뿐이라고 한다.
 
 
모든 회사를 다 탐방하진 못했다. 다음부터는 미리 기업 조사를 철저히 해서, 질문거리를 준비해 더 많은 정보를 얻어야 되겠다는 생각을 했다.