AI学会按病理学家的方法分析组织样本
研究人员开发了人工智能系统Pathology-o3，并训练其按照病理学家的工作方式查看组织样本的数字图像。该算法首先以低分辨率扫描整个玻片，确定需要进一步检查的区域，然后以更高分辨率对这些区域进行分析。Live Science报道了这项于7月发表在《Nature》期刊上的研究结果。
基于专家操作进行训练
与许多使用预先选定的图像片段，或将玻片划分为固定大小区域的系统不同，新方法考虑了专家在图像中的导航过程。病理学家在工作时会在玻片上移动、改变放大倍数，并在可疑区域停留。
团队记录了8名病理学家查看玻片时的操作：在图像中的移动和放大倍数变化。研究人员过滤掉随机移动，仅保留表明有目的注意的操作。研究结果还与眼动追踪数据进行了比对。对于每个检查过的区域，AI都会生成简短解释，专家可以接受、编辑或拒绝。
更多最新消息请关注 UA.News Telegram 频道 Telegram.
测试结果
研究人员在结直肠癌病例中获得的淋巴结图像上测试了Pathology-o3。部分玻片含有此前由病理学家标记的转移性癌。该系统正确识别了所有含癌玻片，但其标记为阳性的玻片中有15.5%实际上为阴性。
相比之下，OpenAI o3正确检出87.5%的阳性玻片，而其标记为阳性的样本中，53.3%实际上不含癌症。在算法此前未见过的独立数据集上，Pathology-o3正确识别了97.6%的阳性样本；在其标记为阳性的样本中，37.1%后来被证实为阴性。
可能的应用
论文作者没有将Pathology-o3与病理学家直接比较，也没有评估该系统是否会使医生的工作更加准确或更快。未参与该研究的斯坦福大学数据分析专家Mohammad Asadi认为，该算法的准确性不足以独立作出诊断，但可帮助专家注意到值得检查的区域。该团队的下一项实验将比较病理学家在使用和不使用该系统时的工作表现。
