机器学习,深度学习和人工智能应用于细胞病理学领域:综合性综述
John F Emery1, Minh-Khang Le2, Joshua Levy2
1Geisel School of Medicine at Dartmouth, Hanover, New Hampshire.
Journal of the American Society of Cytopathology
|August 13, 2025
概括
人工智能和机器学习 (AI / ML) 正在推进妇科细胞学,基于早期成像系统. 虽然进展缓慢,但最近的发展有望在细胞病理学中实现更大的自动化和诊断精度.
科学领域:
- 医学成像信息学 医疗成像信息学
- 计算病理学计算病理学
- 细胞病理学 细胞病理学
背景情况:
- 早期的成像系统 (BD FocalPoint,ThinPrep) 在2000年左右改善了妇科细胞学诊断.
- 在最初的成像系统引入后,细胞学中的算法进步停滞了大约十年.
- 2010年代,由于深度学习 (AlexNet),成本降低和数字扫描仪,数字病理学AI / ML的进展再次得到更新.
研究的目的:
- 审查数字细胞病理学研究和商业开发的现状.
- 专注于人工智能和机器学习 (AI/ML) 在细胞病理学中的应用.
- 探索AI/ML实施在完全数字化的病理学服务中的新生阶段.
主要方法:
- 对数字细胞病理学的科学文献和商业应用进行审查.
- 分析AI/ML技术对细胞学评估的影响.
- 与外科病理学相比,检查细胞学样本大规模数据收集的挑战.
主要成果:
- 细胞病理学中的AI/ML应用正在增加,出版物和商业兴趣的增加.
- 尽管取得了进展,但AI/ML和细胞病理学中全数字病理学的广泛采用仍处于早期阶段.
- 对于大规模算法建模的细胞学准备标准化仍然存在挑战.
结论:
- 在细胞病理学中,AI/ML具有显著的潜力,可以提高诊断性能,速度和可靠性.
- 持续的研究和开发对于克服数字细胞病理学的实施障碍至关重要.
- 该领域准备成长,朝着更自动化和定量化的细胞学评估迈进.
