HistoChat:在有限的数据上对结直肠组织病理进行指令调整的多式视觉语言助手
Usman Afzaal1, Ziyu Su1, Usama Sajjad1
1Department of Pathology, College of Medicine, The Ohio State University Wexner Medical Center, Columbus, OH, USA.
Patterns (New York, N.Y.)
|August 22, 2025
概括
人工智能 (AI) 可以通过组织病理学改善结直肠癌诊断. 一个新的人工智能助理HistoChat提高了数据质量和诊断准确性,即使数据有限.
科学领域:
- 病理学
- 医疗人工智能
背景情况:
- 人工智能 (AI) 在提高诊断病理方面表现有前途.
- 大型语言模型 (LLMs) 和多式LLMs (MLLMs) 可以改善病理学分析.
- 数据质量和可用性的挑战阻碍了人工智能在诊断中的有效性.
研究的目的:
- 探索LLM和MLLM在结直肠癌的组织病理学分析中的应用.
- 介绍HistoChat,一个AI助手,旨在克服结直肠癌组织病理学的数据限制.
- 用有限的数据评估HistoChat在提高诊断准确性的有效性.
主要方法:
- 开发HistoChat,一个人工智能辅助器用于结直肠癌组织病理学.
- 实施先进的数据质量技术,包括图像组合和问题答案 (QA) 对生成.
- 使用BLEU,ROUGE-L和BERTScore等指标对HistoChat的表现进行评估,并与人类进行评估.
主要成果:
- 在关键绩效指标 (BLEU,ROUGE-L,BERTScore) 中,HistoChat表现出显著的改善.
- 人工智能助理在人类评估中实现了69.1%的整体准确性.
- 尽管数据有限,但表现良好.
结论:
- HistoChat是提高结直肠癌组织病理学诊断准确性的有希望的工具.
- 在有限的可用数据的情况下,人工智能助手特别有用.
- 人工智能驱动的解决方案可以有效地解决医疗诊断中的数据质量和可用性挑战.
更多相关视频
13:01Industrialized, Artificial Intelligence-guided Laser Microdissection for Microscaled Proteomic Analysis of the Tumor Microenvironment
Published on: June 3, 2022
3.9K
08:40Quantitation of Protein Expression and Co-localization Using Multiplexed Immuno-histochemical Staining and Multispectral Imaging
Published on: April 8, 2016
12.9K
