人工智能推动精准病理诊断的发展

病理诊断在精准医学中扮演着非常重要的角色,无论是病理医生资源有限的现实,还是不断精细量化的临床诊断需求,都对精准的病理诊断能力提出了更高的挑战.医学界希望人工智能(artificial intelligence,AI)成为从多个方面解决这一难题的得力助手.本文讨论了AI推动精准病理诊断的几个方面:AI辅助病变组织的精准...     

研精覃思,见微知著——人工智能开启精准病理诊断新时代

精准医疗时代,病理学作为基础医学与临床医学的桥梁学科,担负着为疾病个体化治疗提供关键信息的重要任务.精准病理诊断为病理医师的工作带来巨大挑战,人工智能"赋能"病理诊断,通过整合患者临床信息、组织病理学影像、多组学信息,有效辅助精准病理诊断、预测患者预后、分子改变等,有望在精准病理诊断的新时代发挥至关重要的作用,开启精准...     

人工智能技术在肝脏肿瘤中的应用与展望

近年来人工智能技术发展迅速,应用范围不断扩大。在医学领域,人工智能技术已在影像学、病理诊断、疾病管理、药物研发、手术导航等诸多方面崭露头角。肝脏肿瘤是我国常见疾病,人工智能技术在这一领域的研究和应用前景广阔。本文概述了人工智能技术在肝脏肿瘤的影像学和病理诊断、预后判断、治疗方案选择、手术辅助等方面的研究进展,并展望人工智能技术在肝脏肿瘤个体化、精准化诊治的推动作用。     

人工智能在肿瘤病理诊断和评估中的应用与思考

人工智能在多个医学场景如疾病诊断、药物筛选、影像医学和护理医学等领域中取得了革命性的进步.病理切片属于二维图像,是人工智能的首要突破点.我国的医疗资源和病理资源丰富,而病理切片的标准化和数字化为人工智能的深度学习提供了大数据背景.我们在乳腺癌、胃癌和胆管癌病理人工智能方面进行了一系列研究,建立了标准的肿瘤细胞标注流程和深度学习流程,研发了肝门部胆管癌人工智能模型,但也发现了存在的问题,提出了解决方案.随着精准性的提高,病理人工智能有望很快进入临床实践.     

临床病理分析在子宫平滑肌肿瘤诊断中的应用

目的:评价临床病理分析在鉴别诊断子宫平滑肌肿瘤良恶性中的作用。方法:收集2011年8月至2012年9月在河南省肿瘤医院病理科经手术切除的子宫平滑肌肿瘤标本198例,所有标本均固定、包埋、切片、染色,在光学显微镜下对组织类型进行观察。结果:子宫平滑肌肿瘤多位于肌壁间,占74.2%,其他部位占25.8%,其中,多发性肿瘤发生90例,占45.5%。普通良性平滑肌瘤占90.4%,特殊组织学类型平滑肌肿瘤占7.6%,平滑肌肉瘤仅占1.0%,其余1.0%介于良恶性之间为恶性潜能未定的平滑肌肿瘤。结论:核分裂象数目的不同、细胞学异型性和凝固性肿瘤细胞坏死是鉴别诊断子宫平滑肌肿瘤良恶性的标准,同时,还要紧密结合临床病理特征综合判断肿瘤生物学行为。     

人工智能在医学图像处理中的研究进展与展望

目前,世界总体已进入老龄化社会,患各种疾病的人越来越多,有限的医疗资源难以满足当今社会的医疗需求.人工智能在医疗领域的应用早期包括信息咨询、电子病历等,后期在基于影像、病理等数据的基础上对皮肤病、肺结节等方面的智能诊断进展迅速.人工智能在类似这些领域的广泛应用可以适当地缓解医疗资源紧张、临床医生负担重等问题.本述评从人...     

肿瘤出芽对胃腺癌的临床病理诊断及预后价值

目的 探讨肿瘤出芽在胃腺癌临床病理诊断和预后中的价值。方法 收集湖北航天医院、孝感市中心医院和孝感市第一人民医院外科2005年1月-2008年12月行手术切除的胃腺癌患者108例,光镜下观察胃腺癌标本出芽情况,并随访患者;分析肿瘤出芽与胃腺癌临床病理指标及预后之间的关系。结果 108例胃腺癌患者中61例发生了肿瘤出芽（56.5%）。肿瘤出芽的发生与胃腺癌的分化程度、浸润深度、淋巴结转移、TNM分期及术后早期复发均密切相关（P＜0.05）。胃腺癌的分化程度（χ2=7.543,P=0.023）,肿瘤出芽（χ2=29.631,P＜0.001）,浸润深度（χ2=10.202,P=0.016）,淋巴结转移（χ2=28.287,P＜0.001）,TNM分期（χ2=18.259,P＜0.001）与患者术后生存率相关;Cox回归模型分析显示,肿瘤出芽是胃腺癌患者预后的影响因素〔HR=2.875,95%CI（1.806,4.578）,P＜0.001〕。结论 肿瘤出芽与反映胃腺癌侵袭性的临床病理指标密切相关,是预后的重要影响因子。     

数字病理临床应用现状及前景展望

近年来,随着图像处理和网络传输技术的进步,数字病理学在临床的应用越来越广泛,基于数字图像的人工智能辅助诊断技术不断涌现.作为应用最为广泛成熟的领域,远程病理学正通过远距离数字图像的电子传输改变着病理诊断的时空范围;全数字化病理科正在实现诊断模式和工作流程由显微镜诊断向数字图像电脑阅片的转换,而且已经有了大型全数字化病理...     

肠系膜肿瘤27例临床及病理分析

本文对27例肠系膜肿瘤进行分析,其中恶性14例,良性13例,占同期住院人数的1/8,774。以中青年多见,恶性肿瘤以男性多见。病理类型复杂,一般单发,部位以小肠系膜多见,结肠系膜肿瘤少见。临床上鉴别良、恶性比较困难,病史长短、肿瘤活动度及发热、贫血均不能作为鉴别良、恶性的依据。     

人工智能在临床医学中的应用与思考

人工智能（AI）已成为发达国家的国家战略。在医疗健康领域的各个环节（如虚拟助理、医学影像、药物挖掘、营养学、医院管理、健康管理、精神疾病、可穿戴设备、风险管理、病理学和临床诊疗活动等）,AI已取得极大的发展。本文就医疗活动中较为成功的AI研究,即AI与病理诊断、眼部疾病、皮肤疾病、医学影像、中医药、心电监测、手术机器人、肿瘤治疗、医学科学研究作一系统性的评述,阐述医疗领域AI应用存在的问题与展望。相信随着AI技术的发展,AI将会推动医疗领域革命性的进步,使广大病患受益。     

人工智能在脊柱畸形诊疗中的应用及展望

随着人工智能的发展,医疗健康领域成为其最重要、最有潜力的应用领域之一。脊柱畸形的诊治是脊柱外科领域的研究热点,人工智能在该疾病的筛查、诊断、手术规划与实施、预后、康复中逐渐发挥不可或缺的作用。然而,目前人工智能在脊柱畸形诊疗中的应用尚处于初步阶段,仍有诸多问题亟待解决。本文就人工智能在脊柱畸形的筛查、诊断、手术规划及实施、预后、康复中的研究进展进行综述,并展望未来发展方向。     

人工智能技术在肺部肿瘤中的研究现状和应用前景

肺癌是发病率和死亡率最高的恶性肿瘤,严重威胁人类健康,因此提高肺癌的诊疗效率至关重要。人工智能技术为肺癌的诊治带来了新思路,目前大量研究集中于肺部肿瘤的早期筛查、诊断、治疗和病程管理,以及研发基于深度学习的计算机辅助诊断系统,并取得了显著效果。本文系统阐述了人工智能技术在肺部肿瘤早期筛查、病理诊断、预后评估、手术导航和免疫治疗等方面的研究进展,相信人工智能技术必将为肺癌的诊治带来新的机遇,并将有助于提高肺癌患者的总生存率和生活质量。     

人工智能技术在宫颈癌筛查和精准临床诊疗中的研究进展

宫颈癌的发病率和死亡率均高居女性恶性肿瘤的第4位,且呈年轻化趋势。由于不同地区资源分布不均,患者防治效果存在较大差异,因此需探索适宜不同资源地区的新型诊疗手段,加快推进宫颈癌防治工作。人工智能（artificial intelligence,AI）是一门研究开发计算机程序来模拟、延伸和拓展人行为的科学,近年来在图像分析方面表现优异,在癌症精准筛查、诊断及指导治疗方面展现了巨大潜能,但是目前仍然存在较大的问题及挑战,不可能完全代替医生诊断。本文通过对AI技术在宫颈癌早期筛查和精准临床诊疗方面的研究进展进行总结,以期为患者个性化治疗提供参考,提高患者临床疗效。     

实体瘤病理数据集建设和数据标注质量控制专家意见（2019）

病理诊断是肿瘤诊断的金标准,是临床治疗的基石。人工智能在肿瘤组织和细胞检测方面已经取得显著进展,有助于病理医师准确、高效、定量地识别出肿瘤细胞和（或）肿瘤特征,提高工作效率,弥补病理医师短缺。发展病理人工智能的前提是高效、精准的标注工作,即将各种类型和不同分化程度的肿瘤细胞勾勒出来。为了促进行业规范性发展、加强数据标注质量控制,肿瘤学、病理学、电子信息学等领域专家共同组建了《实体瘤病理数据集建设和数据标注质量控制专家共识》筹备组,致力于推进实体瘤病理人工智能标准化数据集的建设。本文从实体瘤病理数据的标本来源、标注团队、标注规则、标注流程、质量控制、疑难病例解决方案等多个环节介绍肿瘤细胞标注过程中达成的初步意见。     

人工智能领域基底细胞癌的诊治研究进展

基底细胞癌（BCC）是最常见的皮肤肿瘤之一,临床医师可以根据发病部位、皮损外观特点做出初步诊断,还可以通过皮肤镜等无创检查手段进行图像分析与拟诊,最终依据组织病理结合临床信息确诊。近年随着人工智能（AI）技术的发展,利用机器视觉对图像进行自动识别与分析成为可能。计算机辅助诊断系统通过深度学习大量临床、皮肤镜、组织病理图片资源建立人工神经网络,辅助专业医师对疑难病症做出分析判断,有助于提高皮肤肿瘤的早期诊断水平、增强基层医师诊治能力、减轻病理专科医师工作负担。本文现就国内外AI领域对BCC的诊治研究进展作一综述。     

基于深度学习算法人工智能肺癌病理诊断模型的开发和应用

目的 基于深度学习算法开发一种能够分析肺组织病理切片并实时给出辅助诊断的人工智能模型。 方法 回顾性收集2019年7月至2020年2月于上海市同济医院胸外科、呼吸科及上海市肺科医院超声科通过手术或活检获得肺部病变组织标本患者的资料,选取苏木精-伊红法染色的病理切片952例,其中鳞癌254例（26.68%）、腺癌278例（29.2%）、其他恶性肿瘤47例（4.94%）、良性病变373例（39.18%）。依据疾病类型将切片分层随机采样,并按照50%:30%:20%的比例分入训练集、验证集和测试集。在训练集的每张切片中随机截取10张400倍放大的单视野图像,用于YOLO v3和Google Inception v3网络的训练,分别开发良恶性区域分割模块和病理亚型分类模块,最终构成双模块并联的人工智能模型。采用同样的方式在验证集中截取单视野图像,用于模型与病理医生的诊断能力对比。在真实的病理科工作环境中,请一位医生借助人工智能模型,另一位医生使用传统方法诊断测试集中的病理切片,对比诊断结果。 结果 在验证集中,模型的良恶性鉴别敏感性（100% vs 99.65%,卡方= 4.167,P = 0.031 > 0.05）优于医生,病理亚型分类准确率（95.52% vs 94.30%,卡方= 3.422,P=0.064 > 0.05）与医生相当,但分割区域与金标准的重叠率（92.72 ± 12.75% vs 95.42 ± 6.99%,t = 7.628,P < 0.001）、良恶性鉴别的特异性（97.67% vs 99.31%,卡方= 12.000,P = 0.001 < 0.05）和准确率（99.06% vs 99.51%,?2=4.364,P = 0.037 < 0.05）都低于医生。在测试集中,两位医生在良恶性鉴别准确率（100% vs 99.47%,卡方< 0.001,P > 0.999）和病理亚型分类准确率（94.87% vs 90.6%,卡方= 1.778,P = 0.180）方面都未显示出显著的统计学差异,但使用人工智能模型辅助的医生诊断用时显著缩短（12.53 ± 10.93s vs 79.95 ± 40.02s,t = 28.939,P < 0.001）。 结论 基于深度学习算法的人工智能肺癌病理诊断模型能够协助医生快速分析苏木精-伊红法染色的肺组织病理切片,在不降低准确率的前提下,有效提高敏感性和工作效率。     

人工智能在生物医药领域中的应用和进展

近年来人工智能得到了快速发展,其在很大程度上改变了现代的生活方式。同时,人工智能极大地促进了医药行业的发展,在精准医学、智能诊断、计算机辅助药物设计以及临床试验决策等环节均发挥了关键作用,也在与医药产业的结合中极大地发展了自身。本文概述了人工智能研究中的关键问题,阐述人工智能在健康医药产业中的关键应用,并分析人工智能在健康医药产业中机遇与挑战,为人工智能在健康医药产业领域的发展提供参考。