诊断中的知识智能（KI）——从病理学的角度出发

《Die Onkologie》：KI in der Diagnostik – aus Sicht der Pathologie

人工智能在数字病理学中的应用发展迅速，CNN逐渐被ViT取代，2023年后基础模型因通用性强受重视，AI算法已获多国批准，VLMs实现多模态数据整合，推动诊断互动，但技术、法律及社会障碍仍待解决。

　　

摘要

肿瘤学诊断和治疗的日益复杂化和个性化为病理学带来了新的挑战。与此同时，人工智能（AI）正从一个未来概念发展成为数字医学的核心领域。随着数字全切片图像（WSI）的普及以及深度学习架构的不断强大，自2019年以来，数字病理学领域的论文数量几乎呈指数级增长。

在算法层面，近年来出现了许多创新：最初主导该领域的卷积神经网络（CNN）正逐渐被基于视觉Transformer（ViT）的模型所取代。自2023年以来，基础模型因其广泛的适用性和泛化能力而变得尤为重要。

概念验证研究反复表明，基于AI的解决方案可以提高诊断工作的效率和准确性。一些用于组织病理学的AI算法已经获得了美国和欧洲监管机构的批准。更近期的发展，如视觉语言模型（VLM），实现了文本和图像数据的多模态整合，为诊断开辟了新的交互可能性。

总体而言，该领域正处于从概念验证研究向临床应用过渡的阶段。特别是基础模型，有潜力在不久的将来从根本上改变组织病理学诊断的结构。然而，在实现广泛临床应用之前，仍需克服技术、法律和社会心理方面的障碍。

肿瘤学诊断和治疗的复杂性及个性化日益增加，给病理学带来了新的挑战。与此同时，人工智能（AI）正从一项未来技术发展成为数字医学的核心组成部分。得益于数字全切片图像（WSI）和强大深度学习架构的普及，自2019年以来，数字病理学领域的论文数量几乎呈指数级增长。

在算法方面，近年来也出现了许多创新：最初占主导地位的卷积神经网络（CNN）正逐渐被基于视觉Transformer（ViT）的模型所取代。自2023年起，基础模型因具备广泛的适用性和泛化能力而变得日益重要。

概念验证研究多次证明，基于AI的解决方案能够提升诊断工作的效率和准确性。目前，一些用于组织病理学诊断的AI算法已获得美国和欧洲监管机构的批准。此外，诸如视觉语言模型（VLM）等最新发展实现了文本和图像数据的多模态整合，为诊断带来了新的交互方式。

总体而言，该领域正从概念验证阶段迈向临床应用阶段。特别是基础模型，有可能在不久的将来彻底改变组织病理学诊断的结构。然而，在实现广泛临床应用之前，仍需克服技术、法律和社会心理方面的障碍。