概述
整個幻燈片圖像很大,因此模型通常會處理補丁並結合補丁級證據來執行幻燈片級任務。
深入探討
FDA 對 Paige Prostate 的 De Novo 審查描述了一種電腦輔助病理學設備,該設備可以識別數位化前列腺活檢幻燈片上的可疑區域,以供病理學家審查。 CLAM 是一種研究方法,使用基於注意力的多實例學習,透過投影片層級標籤對整個投影片進行分類。 Ki-67 是腫瘤學中討論的細胞增殖標記。這些工具和標記解決特定的任務;他們的研究或監管狀況並不能推廣到每個組織、癌症或臨床決策。
現實世界的實施
整個幻燈片影像可以分為多個圖塊以進行模型處理。
當每個補丁沒有單獨註釋時,多實例學習可以從投影片級標籤中學習。
經 FDA 審查的 Paige 前列腺裝置可協助病理學家完成特定的前列腺活檢審查任務。
Ki-67 是一種用於評估細胞增殖的蛋白質標記物; AI 計數是一種測量輔助手段,而不是獨立的癌症診斷。
人工智慧在病理學領域的未來
評估病理學 AI 時報告組織類型、掃描器、人群、參考標準和預期用途。保持病理學家的監督並評估跨地點和標本類型的表現。一種設備的許可或基準並不能建立跨病理學的一般臨床實用性。
付諸實踐
為什麼這很重要
- 背景與規則. 產業背景決定了人工智慧創意能否與現實接觸。
- 品質管控. 領域約束會影響可接受的錯誤率和監督模型。
- 配裝選擇. 成功的部署使技術能力與第一線工作流程保持一致。
留意
- 監理要求可能會使原本強大的原型失效。
- 歷史資料可能會編碼損害特定社區的偏見。
- 遺留系統可能會造成整合瓶頸和隱性成本。
後續步驟
- 讓領域專家參與從問題框架到評估的整個過程。
- 在啟動前設計審計追蹤和文件。
- 儘早驗證合規性和安全義務。
- 分階段推出,並有明確的停止和回滾標準。
不斷探索
常見問題
什麼是病理學中的人工智慧?
計算病理學將影像分析方法應用於數位化組織切片。整個幻燈片圖像很大,因此模型通常會處理補丁並結合補丁級證據來執行幻燈片級任務。
什麼是數位病理學中的「全幻燈片影像」?
幻燈片被掃描成巨大的十億像素圖像(通常是數十億像素),然後由人工智慧進行分析。
為什麼人工智慧模型要處理小塊或小塊中的幻燈片?
整個幻燈片影像對於模型的輸入來說太大了,因此它們被分成數千個圖塊,然後重新組合結果。
FDA 對 Paige Prostate 使用了哪種監管途徑?
FDA 的 DEN200080 記錄是針對特定軟體設備和預期用途的 De Novo 分類;該決定並未推廣到所有病理學人工智慧。
AI Ki-67 數在腫瘤中測量什麼?
Ki-67 是細胞增殖的標記物,對陽性細胞進行計數顯示腫瘤生長的劇烈程度。
根據範圍內的範例,AI 系統在病理工作流程中可以提供什麼?
引用的 FDA 審查描述了一種旨在協助病理學家的設備;它的輸出不是獨立的診斷或治療決策。