18、人工智能在病理学中的应用与发展

人工智能在病理学中的应用与发展

1. 人工智能在图像分析中的能力与局限

人工智能能够检测图像中的特定特征，有助于理解其临床行为，图像分析比人类单纯的形态学解读更强大且能提供更多信息。然而，目前监督式深度学习训练所需的大量注释数据集会削弱其能力，人类的无监督体验式训练目前并无帮助，但多种弱监督策略可大幅减少训练所需的特定注释量。

2. 人工智能在病理学中的应用

2.1 医学影像应用

• 肺部疾病检测 ：能通过 CT 识别肺部结节，在 CT 结肠造影中检测息肉，在乳腺摄影中筛查乳腺癌、发现微钙化簇（乳腺癌早期迹象）以及检测肿块的良恶性。计算机辅助检测方法可提高乳腺癌分类的诊断精度。
• 中风诊断 ：利用深度学习技术，结合 CT 和 MRI 神经成像可自动快速提取和分类成像信息。如正在开发自动化的艾伯塔中风项目早期 CT 评分（ASPECTS）评估工具，还可结合 CT 血管造影区分颈动脉斑块和游离腔内血栓，准确评估脑水肿程度以预测中风恢复情况，有助于早期分诊可能受益于颅骨切除术的中风患者。
• 远程病理诊断 ：人工智能与数字病理学结合可推动远程病理学发展，使偏远地区医生能与专业病理学家联系咨询。还可减少病理学家之间的解读差异，用于识别图像中肉眼不可见的信息，如癌症中的分子标记，支持早期诊断和新的疾病微分类。

2.2 应对生物灾难 X 威胁

生物灾难 X 对经济和人们生活构成日益严重的威胁。有效的人工智能和 6G 技术支持的策略可用于应对，包