相关实验视频
Updated: Jul 9, 2026
08:58
Artificial Intelligence Approaches to Assessing Primary Cilia
Published on: May 1, 2021
3.4K
人工智能在细胞病理学中的应用:当前技术状况
Louis J Vaickus1, Darcy A Kerr2, Jaylou M Velez Torres3
1Department of Pathology and Laboratory Medicine, Dartmouth-Hitchcock Medical Center, One Medical Center Drive, Lebanon, NH 03756, USA; Geisel School of Medicine at Dartmouth, Hanover, NH 03750, USA.
Surgical pathology clinics
|August 12, 2024
概括
计算病理学通过使用定量方法提供可重现的诊断,基于像贝塞斯达系统这样的标准化细胞病理报告系统. 这一进步旨在减少样本分析中的诊断变异性和偏差.
科学领域:
- 细胞病理学 细胞病理学
- 计算病理学计算病理学
- 数字病理学数字病理学
背景情况:
- 细胞病理学诊断实践通过基于共识的规则集 (例如,贝塞斯达,米兰,巴黎) 取得了进步.
- 这些系统旨在减少观察者内部的变异性,消除模两可的诊断类别,并尽量减少"非典型"诊断.
- 标准化的评分和统一的语言是这些精致的诊断系统的关键组成部分.
研究的目的:
- 突出细胞病理学向标准化诊断标准的演变.
- 引入计算病理学作为诊断精细化的逻辑进展.
- 强调计算病理学的潜力,以提高诊断的可重复性.
主要方法:
- 审查已建立的基于共识的诊断系统在细胞病理学.
- 计算病理学的概念化作为当前标准化工作的延伸.
- 专注于定量过程和减少诊断解释中的偏见.
主要成果:
- 达成共识的规则集显著提高了细胞病理学诊断的一致性.
- 量化评分系统和统一的语言增强了诊断沟通.
- 计算病理学提供了一条通往100%可重现诊断的道路.
结论:
- 标准化诊断系统已经完善了细胞病理学实践.
- 计算病理学代表了一项重大进步,有望带来公正和高度可重复的诊断结果.
- 计算方法的整合有望进一步彻底改变样本分析.
