• 述评 •
人工智能在病理学研究与应用的进展
中华病理学杂志, 2020,49(5)
: 393-396. DOI: 10.3760/cma.j.cn112151-20190924-00525
摘要
人工智能（artificial intelligence）在医疗行业介入最多的部门当属医学影像/图像较为集中的科室，包括放射科、病理科、超声科和内窥镜相关科室。随着医疗实践中计算机的普及与应用，尤其是最近10年医学检查的自动化程度提高，电子化医疗档案与数字化医学影像呈暴发式增长，丰富的医疗大数据成为人工智能研究的宝贵资源。病理科是依赖于医疗图像诊断疾病、特别是诊断肿瘤的部门，但传统的病理学图像载体是玻璃切片，使得人工智能介入病理学图像诊疗过程有别于放射科影像、超声科影像和内窥镜图像（这些影像学科室在检查过程中形成的图像即是数字化图像）。该文面向病理学与医疗影像研究的人工智能研发人员，介绍病理学图像的特点以及人工智能研究的相关进展。
引用本文:
于颖彦.
人工智能在病理学研究与应用的进展
[J]
. 中华病理学杂志, 2020, 49(5)
: 393-396.
DOI: 10.3760/cma.j.cn112151-20190924-00525.
扫 描 看 全 文
正文
作者信息
基金 0 关键词 0
English Abstract
评论
阅读 0 评论 0
相关资源
引用 | 论文 | 视频
版权归中华医学会所有。
未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。
一百多年来，病理学在疾病诊断尤其是癌症诊断中的作用毋庸置疑。然而，病理学诊断方式几乎多年来没有太大变化，主要是借助于光学显微镜，观察载于玻璃切片上的染色组织。病理学家通过观察光学显微镜下的组织结构与细胞形态变化，作出诊断、进行疾病分类和进展分期。以癌症评估为例，病理学家通过观察组织结构的变异程度、细胞核的不典型性、细胞核有丝分裂象、细胞密度以及细胞对周围组织结构的侵袭状态等特征，作出该组织学变化是否为癌症，以及癌症的分类或者组织学分级的判断。最近几年，随着组学技术的发展，基因组学、蛋白质组学等研究发现的生物标志物逐渐整合到病理学诊断当中，明显增加了病理诊断的精准度和对临床诊疗的指导价值[1]。不可否认，传统的依赖于组织学改变的纯人工评价，难免存在主观性强、可重复性差等问题。
