癌症的革命诊断：KI改变了病理！

癌症的革命诊断：KI改变了病理！

Erlangen, Deutschland - As part of an innovative cooperation project between the University Hospital and the Gravina Hospital in Caltagirone, Italy is Integration of artificial intelligence (AI) into the clinical diagnosis of病理学是通过使用最新的AI算法来优化诊断过程

人工智能可以支持病理学家在更有效地识别癌症并评估组织样本。但是，由于传统上在显微镜上进行了许多分析过程，因此目前使用AI的使用在病理学方面受到限制。为了掌握这些挑战，Gravina医院通常将所有组织切割数字化，这大大提高了数字数据的可用性。

将AI集成到工作流程

该项目的基本要素是开发了将AI分析自动整合到病理实验室工作流程中的程序。将组织样品处理成薄切割，然后进行数字化处理，以便在计算机监视器上进行诊断。一旦新扫描进入实验室信息系统（LIS），AI分析就会自动激活。病理学家还可以要求“按需”分析，从而提高诊断过程中的灵活性和效率。

为了强调癌症样区域，AI分析的结果以热图的形式可视化。该项目旨在提高算法的准确性，并促进其他病理部门中深度学习模型的整合。

诊断过程中的技术创新

技术创新显着加速了癌症的诊断，特别是通过组织病理学切割和深度学习的使用数字化。根据 pmc.nc.ncbi.nih.gov ，传统的诊断病理学是漫长的和错误的需求，在癌症和压力上的需求增加了，这是 深度学习模型适用于需要高可重复性和低容错性的临床任务。从第一个神经元网络到现代卷积神经网络（CNN），深度学习领域的历史发展显着提高了诊断准确性。例如，一个用于前列腺癌评估评估的开发模型的精度为0.7，而人类病理学家只能记录0.61的精度

此外，基于图形的神经网络（GNN）提供了有希望的方法来提高数字病理学的性能和可解释性。这些网络模拟了对象之间的关系，并且已经在癌症诊断领域取得了成功，包括在结肠癌的评估中，准确性为97％。

大数据和AI在医学中的作用

数字变化会导致可有效用于医学的可用数据的爆炸。 fraunhofer iks 强调，人们可以快速地分析大型数据，以诊断大量数据，以诊断大量的数据，该数据及其众多数据。医学和非医学数据的网络支持了这一发展，这可以有效，合理的决策。