一个标签就是你需要的一切:可解释的AI增强的瘤病理组织病理学

科学领域:

• 数字病理学数字病理学
• 计算瘤学是一种计算瘤学.
• 医学中的人工智能

背景情况:

• 组织病理学对于癌症诊断和预后至关重要.
• 当前的方法通常需要大量的手动注释,这耗时且主观.
• 人工智能 (AI) 提供了对基因病理幻灯片的自动化,客观分析的潜力.

研究的目的:

• 在瘤学中审查人工智能增强的组织病理学方法.
• 将这些方法按可验证性和应用领域分类.
• 讨论人工智能在瘤学表征中的机遇和挑战.

主要方法:

• 基于可验证性的AI方法的结构化审查 (形态,分子,遗传,生存预测).
• 在瘤学特征的AI应用领域的分析.
• 讨论一标签一幻灯片人工智能方法的机遇和挑战.

主要成果:

• 人工智能方法可以验证具有重叠感兴趣区域 (ROI) 的形态标记 (瘤存在,亚型,等级).
• 分子和遗传标记显示了不同程度的AI验证,通常依赖于相邻的组织.
• 人工智能可以预测生存,但机械可验证性仍然是一个挑战.

结论:

• 人工智能增强的组织病理学为瘤学提供了重大机会,包括降低成本,工作量和个性化医学.
• 关键的挑战包括可解释性,验证性,可重复性,数据可用性和计算需求.
• 尽管面临挑战,但人工智能驱动的组织病理学具有巨大的潜力,可以推进癌症治疗.