手术病理学中的人工智能 - 我们站在哪里,我们要去哪里?
Chen Sagiv1, Ofir Hadar1, Abderrahman Najjar2
1DeePathology Ltd., HaTidhar 5, P. O. Box 2622, Ra'anana, IL-4365104, Israel.
概括
人工智能 (AI) 和机器学习 (ML) 可以显著帮助病理学家识别新的瘤特征,以改善预后和诊断. 本综述涵盖了数字病理学的AI基础设施,挑战和未来技术.
科学领域:
- 计算病理学计算病理学
- 数字病理学数字病理学
- 医学中的人工智能.
背景情况:
- 病理学家寻求新的疾病特征,用于瘤预后和分类.
- 人工智能 (AI) 和机器学习 (ML) 为预测瘤结果和生物标志物发现提供了潜在的解决方案.
- 将人工智能集成到病理学工作流程中可以提高准确性,可重复性和生产力.
研究的目的:
- 审查数字和计算病理学所需的基础设施.
- 解决AI在临床病理学环境中的部署障碍.
- 总结人工智能在手术内和术后病理学中的应用,包括质量评估和新兴技术.
主要方法:
- 审查数字和计算病理学的现有文献和技术.
- 讨论AI/ML在分析组织学幻灯片中的应用.
- 探索基础设施需求,临床部署挑战和质量评估.
主要成果:
- 人工智能/ML系统可以改善瘤分级,阶段和预后生物标志物的识别.
- 数字病理基础设施对于人工智能集成至关重要.
- 临床AI部署的障碍包括数据标准化和验证.
结论:
- 人工智能和机器学习正在通过增强诊断能力和生物标志物发现来改变病理学.
- 数字和计算病理学需要强大的基础设施和标准化的工作流程,以实现全面的临床整合.
- 未来的创新,如大型语言模型和光学活检,有望在病理学方面取得进一步的进步.
