Использование искусственного интеллекта (ИИ) в цифровой патологии
Интеграция ИИ в клиническую патологию сталкивается с вызовами из-за ограничений данных и опасений относительно прозрачности и взаимодействия моделей. Однако алгоритмы ИИ и машинного обучения (ML) продемонстрировали значительные преимущества в задачах, таких как сегментация клеток, классификация изображений и прогнозирование прогнозов в цифровой патологии. Сотруднические подходы, где ИИ помогает патологам, доказали свою пользу, улучшая диагностическую точность и эффективность.
Применение nuclei.io в цифровой патологии
Исследователи из Стэнфордского университета разработали nuclei.io, цифровую патологическую платформу, интегрирующую активное обучение и обратную связь в реальном времени. Эта платформа улучшает создание наборов данных и моделей для различных патологических приложений, сосредотачиваясь на интерпретируемых характеристиках стандартного окрашивания H&E. Два исследования подтвердили эффективность nuclei.io: одно выявило плазматические клетки в эндометриальных биопсиях, улучшая чувствительность и сокращая время диагностики; другое обнаружило метастазы рака толстой кишки в лимфатических узлах, улучшая чувствительность к изолированным опухолевым клеткам.
Два исследования, использующие цифровую патологическую платформу nuclei.io, были проведены для оценки ее эффективности в помощи патологам при различных хирургических патологических задачах. Исследование использовало nuclei.io, специализированное программное обеспечение для аннотации данных, визуализации изображений и облегчения сотрудничества патологов и ИИ.
Исследование также исследовало, как ML-модели улучшают эффективность и точность патологов при диагностике рака простаты и выявлении метастазов рака толстой кишки в лимфатических узлах. ML значительно сократило время, затрачиваемое патологами на каждый случай, и улучшило чувствительность и F1-оценку.
Выводы и перспективы
Интеграция ИИ в патологию обещает более быстрые и точные диагнозы, хотя требуется дальнейшее исследование для усовершенствования моделей и обеспечения их беспрепятственной интеграции в различные клинические среды.
В заключение, интеграция ИИ/ML в цифровую патологию представляет значительный потенциал для упрощения трудоемких задач. Платформа nuclei.io ускоряет итерацию алгоритмов ML, улучшая точность и прозрачность в сотрудничестве патологов и ИИ. Этот подход улучшает диагностическую эффективность и стимулирует дальнейшее исследование в более широких областях патологии, направленное на улучшение клинических процессов и результатов для пациентов.
