科技工作者之家
科技工作者之家APP是专注科技人才，知识分享与人才交流的服务平台。
来源：Nature自然科研
《自然-医学》本周发表的一篇论文Clinical-grade computational pathology using weakly supervised deep learning on whole slide images介绍了一种可以分辨健康组织和癌组织的人工智能系统。该算法或能帮病理学家排除最多75%的无有用信息组织样本，同时确保100%的敏感性，有望用来辅助癌症中心的病理诊断，提高常规临床实践的效率。
一直以来，由于数字病理系统缺少能达到临床诊断准确性的模型、难以应付肿瘤医院常规需要处理的大量病例，这些专为改善癌症患者护理的系统在使用上受到了一定的限制。
数据概况以及本研究提出的深度学习框架。
来源：Campanella et al.
美国纪念斯隆-凯特琳癌症中心病理科的Thomas Fuchs和同事构建了一个大规模真实世界数据集，包括来自逾1.5万名前列腺癌、皮肤癌、乳腺癌患者的逾4.4万例组织切片。作者还建立了一个无需病理学家人工标注就能识别组织样本中肿瘤细胞的深度学习模型。结果显示，即使样本中存在气泡、刀片碎屑或褶皱这些不规则体，模型对这些肿瘤的诊断仍能达到临床水平。
作者指出，该方法可用来简化病理学家的工作流程，让他们集中力量复查那些含有用信息的肿瘤组织切片。ⓝ
nm|doi:10.1038/s41591-019-0508-1
点击“阅读原文”阅读论文
Clinical-grade computational pathology using weakly supervised deep learning on whole slide images
相关文章
“AI临床医生”在败血症治疗中超越人类医生|《自然-医学》论文
AI“儿科医生”可准确诊断常见儿童疾病 |《自然-医学》
来源：Nature-Research Nature自然科研
原文链接：http://mp.weixin.qq.com/s?__biz=MzAwNTAyMDY0MQ==&mid=2652561980&idx=5&sn=c979a8433dff552029f6ee48f278fec2&chksm=80cd4cb2b7bac5a4aeae200ab61cbe25257c650a6827393e0b7abd9817e2bae753fb1e5a9bf7&scene=27#wechat_redirect
版权声明：除非特别注明，本站所载内容来源于互联网、微信公众号等公开渠道，不代表本站观点，仅供参考、交流、公益传播之目的。转载的稿件版权归原作者或机构所有，如有侵权，请联系删除。
电话：（010）86409582
邮箱：kejie@scimall.org.cn
微信
科技工作者之家
京公网安备11010202008424号
