数字化全玻片助力人工智能病理图像决策

基于病理切片图像的人工智能技术促进了医学发展,而病理人工智能技术的发展得益于数字化全玻片。全玻片数字化能提供大量可任意放大和方便标注的数据,利于深度学习,极易临床推广应用。数字化全玻片不仅可应用于人体病理,其在动物和植物病理方面也可发挥重要作用。本文系统性探讨了数字化全玻片结合人工智能技术在病理识别、特征提取、动物模型和植物形态学方面的应用潜力,旨在为数字病理的临床实践提供新的思维方式。     

基于卷积神经网络的胃癌病理诊断的应用及进展

由于胃癌早期隐匿性强,我国目前胃癌的早期诊断率仍较低,且主要依赖于病理专家人工诊断。近年来,随着人工智能和数字病理学的快速发展,以卷积神经网络为核心技术的人工智能辅助病理诊断技术不仅有望提高胃癌的诊断效率,对于提高我国胃癌的早诊早治水平,改善其高发病率、高死亡率现状,也具有重要意义。本述评旨在针对基于深度学习卷积神经网络在胃癌病理诊断中的应用及进展进行归纳,着眼于利用卷积神经网络识别癌变区域、组织学分类、判断肿瘤浸润深度、指导患者用药,总结其现存问题及未来发展。我们认为,以下局限性及困难亟待解决:病理切片数字化耗时、耗存储;数据的标注及数据的质量控制问题;数据整合问题;法律责任界定问题。未来随着人工智能与病理学的融合,基于人工智能的病理诊断将广泛应用于临床工作中,如将深度学习的卷积神经网络应用于胃早癌的筛查工作,可大为减轻病理医师的工作负担;而患者个人进行胃癌自查自检,也是人工智能辅助诊断胃癌可能实现突破的方向。     

从临床医生角度,看人工智能在癌症精准诊疗中的应用及思考

在癌症的精准诊疗中,以深度学习为代表的人工智能技术日益展现出巨大的潜力。在医学影像、病理学等领域,人工智能技术的出现不仅有望大大降低相关科室人员的工作量,通过对影像、病理学图片进行定量描述,人工智能技术也可进一步挖掘出医学数据中潜在的复杂模式。综述首先对目前流行的人工智能技术进行简单的介绍。其次,重点探讨了深度学习技术如何最先影响到癌症影像诊断学的。随后,介绍了人工智能技术在癌症病理学、基因组学、免疫治疗等领域的最新进展。最后,进一步探讨了癌症领域人工智能临床落地过程中存在的困难,并提出一些可能的解决思路,以期为未来的研究提供参考。     

人工智能在鉴别肝门部胆管癌细胞及周围神经侵袭中的应用

目的 建立一种用于辅助诊断肝门部胆管癌(HC)的人工智能(AI)算法模型,评价其识别肿瘤细胞及周围神经侵犯(PNI)的能力.方法 采用AI算法对825张HC和175张非癌变组织图像(600张为训练集,300张为测试集,100张为比较数据集)进行深度学习,将不同参数的GoogLeNet和DenseNet相结合的神经网络用于HC细胞和PNI的特征提取和深度学习.比较该AI算法模型与3名病理科医师(副主任医师、主治医师、住院医师各1名)在判断肿瘤有无及肿瘤细胞百分比的差异.结果 基于深度学习的AI算法可以准确识别HC组织标本图像中的肿瘤细胞及PNI.AI算法诊断肿瘤的能力可与经验丰富的病理科副主任医师媲美,且在评估肿瘤细胞百分比方面更胜一筹.结论 AI算法模型在识别HC肿瘤细胞及PNI方面具有辅助作用.     

人工智能与3D影像重建在前列腺肿瘤诊治中的应用探讨

近年来,3D影像重建在前列腺癌诊治中的应用越来越多,而人工智能的出现,使3D影像重建有了更为广阔的应用空间。人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学,其在医学影像、机器人辅助手术等方面有初步应用。图像识别、深度学习是医学人工智能的核心技术,本文对人工智能结合3D影像重建在前列腺肿瘤的诊断、治疗中的应用现状及前景进行了探讨。     

人工智能在临床领域的研究进展及前景展望

人工智能(artificial intelligence,AI)的提出引发了医学领域的诸多技术创新,并彻底改变了传统医学模式.医学人工智能主要包括机器学习(machine learning,ML)、深度学习(deep learning,DL)、专家系统(expert systems,ES)、智能机器人(intellig...     

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。     

人工智能医学影像技术在胰腺神经内分泌肿瘤分级中的应用

胰腺神经内分泌肿瘤是一组临床表现多变的、具有显著异质性和复杂性的肿瘤,发病率低,具有恶性潜能。它的组织学分级对治疗方案的选择和预后评估具有重要意义,若能在手术前评估患者的病理分级,将有助于治疗策略的选择和预后评估。随着人工智能的蓬勃发展,以深度学习、影像组学、纹理分析技术为代表的人工智能精准影像分析技术可对图像表征信息进行更为深入的分析和阐释,这些图像表征信息与病理分级具有相关性。本文针对人工智能医学影像技术在神经内分泌肿瘤分级中的应用现状和进展作一综述。     

β-catenin在胆管癌中的表达

目的：探讨β-连环素（β-catenin）的表达与胆管癌的临床病理参数和预后的关系,寻找胆管癌早期诊断及判断预后的方法,指导临床对胆管癌的治疗。 方法：采用S-P法对8例正常人胆总管、4例先天性胆总管囊肿和25例胆管癌标本中β-catenin的表达情况进行免疫组化分析研究。 结果：β-catenin在胆管癌组中表达阳性率为100%,明显高于先天性胆总管囊肿（75%）和正常胆总管（62.5%）(Z=-3.03,P<0.01)。β-catenin在胆管癌的表达情况与胆管癌的病理分型(Hc=2.13,P>0.05)、原发部位(Hc=5.25,P>0.05)及黄疸指数(Hc=6.06,P>0.05)无关,与分化程度(Hc=9.35,P<0.01)、浸润深度(Hc=12.62,P<0.01)、神经浸润程度(Hc=9.28,P<0.01)及临床分期(Hc=15.49,P<0.01)有关。 结论：β-catenin在胆管癌中的表达情况与胆管癌的有关临床病理参数有关,可作为胆管癌预后的良好标志物。     

Advances of Artificial Intelligence Application in Medical Imaging of Ovarian Cancers

Ovarian cancer is one of the three most common gynecological cancers in the world, and is regarded as a priority in terms of women's cancer. In the past few years, many researchers have attempted to develop and apply artificial intelligence (AI) techniques to multiple clinical scenarios of ovarian cancer, especially in the field of medical imaging. AI-assisted imaging studies have involved computer tomography (CT), ultrasonography (US), and magnetic resonance imaging (MRI). In this review, we perform a literature search on the published studies that using AI techniques in the medical care of ovarian cancer, and bring up the advances in terms of four clinical aspects, including medical diagnosis, pathological classification, targeted biopsy guidance, and prognosis prediction. Meanwhile, current status and existing issues of the researches on AI application in ovarian cancer are discussed.     

AI辅助预估乳腺癌淋巴结转移的研究现状及前景

人工智能（artificial intelligence,AI）在病理学中最重要的潜在应用之一,是根据形态学特征预测患者的预后和对特定疗法的反应。乳腺癌作为全世界最常见的恶性肿瘤之一,也是导致女性恶性肿瘤死亡的主要原因,是临床关注的焦点。乳腺癌腋窝淋巴结转移是重要的预后因素,能否准确评估腋窝淋巴结转移情况影响临床诊疗决策。目前,基于无创手术的思想,有多项研究已开发出可用于预测乳腺癌前哨淋巴结转移的模型,但是不同预测模型应用的临床和病理参数不同,如何更全面地分析乳腺癌患者的临床和病理数据,并建立更精准的预测模型是未来的发展方向。本文通过阐述AI在病理方面的研究进展以及在乳腺癌中的研究现状,对于如何基于AI辅助有效地预估乳腺癌淋巴结转移、建立更精确有效的深度学习算法展开了深入的思考与展望,从而不断提升乳腺癌的诊治水平。     

人工智能技术在护理领域的应用现状与发展趋势

人工智能技术在疾病诊断、病理分析、新药研发等方面应用广阔,将人工智能技术与护理专业结合,制定相应的专家系统、智能辅佐设计和决策支持系统等将提高社会、经济的综合效益。本文总结了人工智能技术在护理领域各方面的研究进展和运用现状,针对临床护理、护理教育及延伸护理等子领域分别阐述了目前人工智能技术的研究及应用情况,为进一步的研究工作提供参考。     

人工智能技术在消化内镜领域的研究现状

近年来,我国消化道肿瘤发病率、病死率居高不下。内镜检查作为诊疗消化道疾病的重要方法, 尤其在肿瘤早期癌前病变的筛查阶段具有重要的应用价值。但是肿瘤早期癌前病变的内镜下发现率较低,提 高内镜下早癌的诊断率对改善消化道肿瘤患者预后具有重要意义。随着计算机技术不断提高及大数据时代到 来,人工智能技术辅助内镜下疾病诊断的相关研究也蓬勃发展。该文对人工智能技术的胃肠镜下疾病诊断结 合国内外文献进行综述。     

眩晕疾病人工智能专家诊疗系统研究进展

近年来,人工智能技术在医学领域的应用成为现代科技的研究热点。将人工智能技术应用于眩晕疾病的诊断不仅可以节约医疗资源,还能及时诊治眩晕。因此,本文通过概述眩晕疾病人工智能专家诊疗系统"Vertigo"ONE"和其他人工智能方法,分析人工智能技术在眩晕诊断领域的应用进展,总结多种人工智能方法应用于眩晕疾病的优点和缺点,并对人工智能技术在眩晕疾病诊疗中的发展前景进行了展望。