孔艳青 汤红平 李 晓

    (1 南方医科大学附属深圳市妇幼保健院病理科， 518000；2 深圳市第二人民医院功能神经科， 518028)

    近年来，随着芯片技术、深度学习及大数据等技术的蓬勃发展，AI 研究在医学领域中的应用得到了快速的发展。人工智能在医学影像领域的研究已广泛涉及放射影像、超声影像、内窥镜影像及病理形态学图像等多个方面[1]。AI 得以实现前提是人工智能的“视觉”，摄像头和传感器性能的提高，汇集更丰富的数字图像，而后计算机通过大数据获取全部经验，利用深度学习的机理分析并学习，既通过多层神经网络和神经元学习，解释数据及进行决策。深度学习作为机器学习研究中的一个新的领域，基本原理是构建出模拟人类神经系统的多层人工神经网络，并在大量的数据集的基础上进行多次反复的训练，使其能够替代或部分替代医师的阅图及判断能力。卷积神经网络在应用于图像模式识别方面研究成果尤为突出，可能得益于数字图片的快速发展及数据信息丰富等因素，在计算机视觉中表现出色[2]。在基于深度学习的自然图像分割的最优解，卷积神经网络技术在病理图像识别方面的AI 方面最为常用。目前AI 在病理图像学领域已经成为热点，特别是细胞病理学方面。机器深度学习通过多模态图像分割与数据合成、自动分类、描述及诊断方面取得了突破性的成果，帮助病理医师提供高质量的诊断。

    1 临床病理学AI 技术的研究现状及病理诊断AI 技术的问题和挑战

    人工智能在临床病理学中的应用主要包括细胞学初筛(主要为宫颈细胞学)、形态定性分析、临床活检组织病理形态学诊断和免疫组织化学等辅助判断预后等方面[3] ......