人工智能开发人员的瘤组织病理学"词典"
Soham Mandal1,2, Ann-Marie Baker1, Trevor A Graham1
1Centre for Evolution and Cancer, Institute of Cancer Research, London, United Kingdom.
PLoS computational biology
|January 23, 2025
概括
人工智能 (AI) 和深度学习 (DL) 通过分析组织病理图像来推进癌症研究. 本指南为人工智能开发人员提供了必要的组织病理学概念,以改善癌症诊断和治疗预测.
科学领域:
- 计算病理学计算病理学
- 数字病理学数字病理学
- 人工智能在瘤学中的应用
背景情况:
- 人工智能 (AI) 和深度学习 (DL) 在分析癌症研究的组织病理图像方面表现有前途.
- 将AI/DL方法转化为临床实践,需要计算研究人员了解其病理学.
- 在计算方法和本病理学解释之间存在一个知识差距.
研究的目的:
- 为了弥合计算研究人员和病原体学之间的知识差距.
- 为AI开发人员在癌症研究中提供必要的组织病理学概念.
- 为了加速人工智能算法的发展用于癌症研究.
主要方法:
- 介绍基因病理学中的关键细胞类型 (上皮细胞,树皮细胞,免疫细胞).
- 解释恶性瘤,前体病变和瘤微环境 (TME).
- 基础基因病理学技术的概述:血素和埃 (HE) 染色,免疫组织化学和多重抗体染色.
主要成果:
- 定义和说明了基本的组织病理学概念.
- 介绍了基本的染色技术.
- 讨论了与AI分析相关的癌症病理学的关键特征.
结论:
- 了解组织病理学对于癌症研究中有效的AI开发至关重要.
- 这项工作为AI开发人员提供了基础知识,以提高AI驱动的癌症诊断.
- 弥合专业知识差距将加速人工智能在瘤学中的应用.
更多相关视频
09:17Digital Spatial Profiling for Characterization of the Microenvironment in Adult-Type Diffusely Infiltrating Glioma
Published on: September 13, 2022
2.3K
07:32Author Spotlight: Investigating Immune Cell Dynamics in the Tumor Microenvironment — Challenges and Innovations in Cancer Prognosis
Published on: April 12, 2024
1.2K
