数字病理学和人工智能应用于非临床毒理学病理学-当前状态,挑战和未来方向

科学领域:

• 毒理学病理学 毒理学病理学
• 数字病理学数字病理学
• 人工智能的人工智能

背景情况:

• 数字病理学和人工智能为非临床毒理学病理学提供了变革性的潜力.
• 快速的进展需要对毒理病理学社区进行更新,以帮助药物开发.

研究的目的:

• 审查关于数字病理学和毒理病理学AI的关键文章.
• 为这些技术提供当前的监管状态和指导方针.
• 讨论人工智能辅助毒理病理学的挑战和未来潜力.

主要方法:

• 文献综述,确定数字病理学和现场人工智能的关键文章.
• 对监管地位和指导方针的分析.
• 讨论数字病理学的要求,验证,工作流程,存档,互操作性和协调.
• 突出AI模型开发的考虑因素,包括基本真相,偏见和算法评估.

主要成果:

• 数字病理需要特定的设备,验证,定义的工作流程和存档策略.
• 通过医学数字成像和通信 (DICOM) 的系统互操作性和协调性仍然是挑战.
• 人工智能模型开发需要仔细确定基本真相,减轻偏差,并严格评估准确度/精度.
• 人工智能辅助的毒理病理学提出了挑战,但承诺提高药物安全性评估的质量和效率.

结论:

• 数字病理学和人工智能在非临床毒理学病理学中的整合正在推动药物开发.
• 解决互操作性,协调和AI模型验证方面的挑战至关重要.
• 未来的协同技术和科学专业知识将加强非临床药物安全评估.