概述
整个幻灯片图像很大，因此模型通常会处理补丁并结合补丁级证据来执行幻灯片级任务。
深入探讨
FDA 对 Paige Prostate 的 De Novo 审查描述了一种计算机辅助病理学设备，该设备可以识别数字化前列腺活检幻灯片上的可疑区域，以供病理学家审查。 CLAM 是一种研究方法，使用基于注意力的多实例学习，通过幻灯片级标签对整个幻灯片进行分类。 Ki-67 是肿瘤学中讨论的细胞增殖标记物。这些工具和标记解决特定的任务；他们的研究或监管状况并不能推广到每个组织、癌症或临床决策。
现实世界的实施
整个幻灯片图像可以分为多个图块以进行模型处理。
当每个补丁没有单独注释时，多实例学习可以从幻灯片级标签中学习。
经 FDA 审查的 Paige 前列腺装置可协助病理学家完成特定的前列腺活检审查任务。
Ki-67 是一种用于评估细胞增殖的蛋白质标记物； AI 计数是一种测量辅助手段，而不是独立的癌症诊断。
人工智能在病理学领域的未来
评估病理学 AI 时报告组织类型、扫描仪、人群、参考标准和预期用途。保持病理学家的监督并评估跨地点和标本类型的表现。一种设备的许可或基准并不能建立跨病理学的一般临床实用性。
付诸实践
为什么这很重要
- 背景与规则. 行业背景决定了人工智能创意能否与现实接触。
- 质量控制. 领域约束会影响可接受的错误率和监督模型。
- 构建选择. 成功的部署使技术能力与一线工作流程保持一致。
留意
- 监管要求可能会使原本强大的原型失效。
- 历史数据可能会编码损害特定社区的偏见。
- 遗留系统可能会造成集成瓶颈和隐性成本。
后续步骤
- 让领域专家参与从问题框架到评估的整个过程。
- 在启动前设计审计跟踪和文档。
- 尽早验证合规性和安全义务。
- 分阶段推出，并具有明确的停止和回滚标准。
不断探索
常见问题
什么是病理学中的人工智能？
计算病理学将图像分析方法应用于数字化组织切片。整个幻灯片图像很大，因此模型通常会处理补丁并结合补丁级证据来执行幻灯片级任务。
什么是数字病理学中的“全幻灯片图像”？
幻灯片被扫描成巨大的十亿像素图像（通常是数十亿像素），然后由人工智能进行分析。
为什么人工智能模型要处理小块或小块中的幻灯片？
整个幻灯片图像对于模型的输入来说太大了，因此它们被分成数千个图块，然后重新组合结果。
FDA 对 Paige 前列腺采用什么监管途径？
FDA 的 DEN200080 记录是针对特定软件设备和预期用途的 De Novo 分类；该决定并未推广到所有病理学人工智能。
AI Ki-67 计数在肿瘤中测量什么？
Ki-67 是细胞增殖的标志物，对阳性细胞进行计数表明肿瘤生长的剧烈程度。
根据范围示例，人工智能系统可以在病理工作流程中提供什么？
引用的 FDA 审查描述了一种旨在协助病理学家的设备；它的输出不是独立的诊断或治疗决策。