如何将人工智能无缝集成到病理诊断中

How AI can be integrated seamlessly into pathological diagnosis

人工智能（AI）算法越来越多地被用于医疗诊断，包括病理学。然而，在许多领域，其潜力尚未得到充分利用。来自弗里德里希-亚历山大大学埃尔朗根-纽伦堡分校（FAU）的埃尔朗根大学医院（UKER）和意大利卡尔塔吉罗内格拉维纳医院的一个合作项目表明，情况并非必须如此。

研究人员展示了如何在完全数字化的病理科中无缝集成人工智能。他们的研究结果已发表在《基因组医学》杂志上。

每年，德国约有140万人因癌症住院治疗。当肿瘤被手术切除后，组织通常会在病理科进行检查：这到底是什么类型的癌症？生长是否恶性？是否需要化疗，如果需要，应使用哪种药物？

AI算法可以帮助病理学家找到这些问题的答案，例如通过在数字化组织样本中标记恶性转化。然而，它们的全部潜力往往仍未得到充分利用。部分原因在于检查方法：虽然MRI或超声扫描可以生成可以直接用AI评估的数字图像，但组织样本则不然。

“到目前为止，样本主要是在显微镜下进行检查的，”领导UKER肾病理学系和病理学研究所生物信息学和计算机辅助病理学工作组的富尔维亚·费拉齐博士解释说。“将组织病理学样本数字化以获得高分辨率图像仍然是一种例外。”

意大利卡尔塔吉罗内格拉维纳医院的病理科已经领先一步——他们常规地将所有组织样本数字化。“这里的问题不在于数字数据的可用性，”正在费拉齐工作组攻读博士学位的米里亚姆·安杰洛尼评论道。“而是直到现在还没有办法使用深度学习模型自动分析这些数据。”这就是为什么AI工具尚未常规集成到临床诊断中的原因。“我们研究了如何更顺畅地集成这些工具的使用。”

完全数字化的病理科是如何工作的？

当组织样本到达卡尔塔吉罗内格拉维纳医院的病理科时，它会经过几个处理步骤。通常，会准备多个非常薄的样本，固定在薄玻璃片上，并用各种化学物质染色。接下来，会生成这些玻片的高分辨率数字图像。员工可以通过实验室信息系统（LIS）直接访问这些图像。诊断不是像往常一样使用显微镜进行，而是在计算机屏幕上进行。

在他们的合作项目中，研究人员开发了一种自动将AI分析集成到工作流程中的程序。一旦新的扫描进入LIS，所有必要的分析信息就会自动传输到包含各种AI模型的服务器。根据所使用的染色方法和取样的组织类型，选择合适的算法。除了这种标准程序外，病理学家还可以直接从LIS选择“按需”分析。

改进集成有望提高算法的准确性

分析结果随后返回LIS。在那里，算法的预测可以显示为“热图”。这些彩色叠加层可用于指示数字化组织样本上的恶性区域。

“与我们的合作方一起，我们希望利用开发的工作流程对集成的深度学习模型进行临床验证，”费拉齐解释说。目标是继续提高未来算法的准确性。“我们还希望我们的合作项目能够鼓励其他病理科将深度学习模型整合到常规诊断中。”

(全文结束)