在瘤学中的AI-Powered histopathology幻灯片图像解释:一个全面的知识映射和文献分析分析

科学领域:

• 在瘤学瘤学.
• 数字病理学数字病理学
• 人工智能的人工智能

背景情况:

• 组织病理学图像解释对于癌症诊断和治疗至关重要.
• 人工智能 (AI) 有潜力提高分析这些图像的准确性和效率.
• 绘制全球研究趋势的地图确定了人工智能驱动的瘤病理学的关键领域和未来方向.

研究的目的:

• 对从2000年到2024年在瘤学中对人工智能驱动的基因病理图像解释进行全球研究进行文献分析.
• 确定该领域的领先国家,机构,期刊和研究主题.
• 了解AI在癌症病理学中的方法和应用的演变.

主要方法:

• 从Scopus数据库中获取出版物的图书统计分析.
• 使用VOSviewer进行数据分析,用于图库测量映射和网络可视化.
• 关键词的同时出现和文献的合分析,以确定研究集群和趋势.

主要成果:

• 总共有1874个出版物被确定,在2015年之后显著增加.
• 中国和美国是主要的贡献者,有着重要的国际合作,特别是在美国和亚洲之间.
• 研究集群的重点是用于诊断的深度学习,预后建模,转移学习和可解释的人工智能,转向变压器和多式联络数据集成.
• 人工智能应用涵盖了各种癌症,利用整个幻灯片图像和多omics数据,证据从概念验证进展到临床整合.

结论:

• 组织病理学中的AI正在向临床应用迈进,这是由协作努力和方法学的进步推动的.
• 在数据标准化,可解释性和广泛采用的监管框架方面仍然存在挑战.
• 人工智能展示了通过多omics集成来提高诊断准确性,效率和个性化癌症治疗的潜力.