AI病理诊断解释方案或解决人工智能CFDA三类申报获批关键难点(4)

2019-08-23 未知 admin

在采访过程之中，杨林教授也对本次实验的不足之处进行了总结。首先，由于时间的原因，样本的选择检测本身具有一定的封闭性，随着持续数据收集的广度和深度的提升，论文中的工作也一定会有改进之处。

其次，推理流程的划分是否足够细致，以及推理过程是否存在偶然性可以进一步论证。

最后，这项研究没有控制参与病理医师的疲劳程度，这可能是影响AUC的独立因素，需要进一步研究这一系统对不同疲劳水平医生的有效性。

总的来说，无论是人工智能技术，还是本次实验的病理本身，我们都能看到很多突破的可能。目前的人工智能影像产品仍聚集于放射科，当他们尝试进一步进入临床相关科室时，这项技术同样需要新的标准对其进行验证。

此外，AI于病理的运用也远不局限于切片识别，机体组织样本中内部特征的量化分析与临床评价；细胞和动物组织样本的量化分析与药效关系；细胞识别与分选；特殊染色结果的量化分析和临床治疗与预后也均有AI介入研究。病理于AI是一片看不见的深海。

*声明：本文由入驻新浪医药新闻作者撰写，观点仅代表作者本人，不代表新浪医药新闻立场。

鐑瘝锛�