用于解剖病理学的多式生成人工智能-对当前应用的审查,以设想未来的方向
Ehsan Ullah1, Mirza Mansoor Baig2, Asim Waqas3
1Department of General Surgery, Counties Manukau, Health New Zealand, Otahuhu, Auckland.
Advances in anatomic pathology
|April 29, 2025
概括
多模式生成人工智能模型在解剖病理学图像分析中表现有前途,用于诊断和研究. 需要进一步的验证和协作努力来临床整合这些先进的AI工具.
科学领域:
- 解剖病理学 解剖病理学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 组织病理学图像分析对于疾病诊断至关重要.
- 当前的人工智能模型显示,复杂的解释任务存在局限性.
- 生成性AI (Gen-AI) 为病理学提供了新的可能性.
研究的目的:
- 审查多模式生成AI (Gen-AI) 在解剖病理学中的应用.
- 探索Gen-AI在基因病理学图像分析中的未来方向.
- 评估Gen-AI在诊断辅助和数据生成方面的潜力.
主要方法:
- 进行了范围审查.
- 搜索了2023年7月1日至2024年6月30日发表的文章的电子数据库.
- 批判性地分析了多式联通Gen-AI在病理学方面的精选文章.
主要成果:
- 多模式的Gen-AI模型在分类,细分和检索任务中表现出中度至高精度.
- 潜在的应用包括诊断支持,教育数据生成和分子特征检测.
- 目前的模型依赖于有限的学术数据,需要在现实世界中进行验证.
结论:
- 多式基因人工智能对推进解剖病理学的进展具有重大前景.
- 迫切需要共识模型,多中心协作和联合学习.
- 模型需要对可靠性,通用性和临床标准进行验证.


