综述：人工智能及其在口腔颌面病理学中的应用

《Dental Clinics of North America》：Artificial Intelligence and Its Applications in Oral and Maxillofacial Pathology

AI在口腔病理学中的应用及挑战：研究显示AI检测常见疾病（如鳞状细胞癌）性能接近人类，但在复杂病变（如上皮异型增生）诊断中仍存在局限性，需解决数据偏差、多机构验证及报告文本分析等问题。

　　

Brandon Veremis

病理学、分子与细胞医学系，西奈山伊坎医学院，1 Gustave L Levy Place，Box 1194，纽约，NY 10029，美国

章节摘录

关键点

• •
  人工智能（AI）在检测相对简单的疾病方面的表现与人类相似。
• •
  使用强大的AI模型可能有助于预测头颈部鳞状细胞癌的预后。
• •
  AI模型可能有助于预测口腔癌前病变恶性转化的结果，尽管这一点仍不确定。
• •
  解决导致数据变异的预分析问题对于将AI模型从研究环境应用到实际临床至关重要。

口腔病理学中的人工智能模型示例

本节讨论的两种数据类型是数字切片数据和病理报告文本数据。用于口腔病理学的AI成像模型通常分为以下几类：（1）检测任务（“切片中是否存在癌症？”），（2）量化任务（“有多少细胞对Ki67等免疫组化染色呈阳性？”），（3）预后任务（“对于这种肿瘤，患者对化疗放疗的反应概率是多少？”）

潜在偏见

目前尚不清楚仅基于人口统计因素（如种族、自我报告的种族、生物学性别或性别）的偏见在仅基于组织病理学或以组织病理学为主的模型中存在到何种程度。与其他医疗领域的机器学习应用一样，如果不在训练模型时注意识别和解决这些数据集中的偏见，现有的偏见可能会被机器学习模型复制。³⁹ 除了代表性不足的问题外，最近的预印本数据也揭示了这一现象

总结

总体而言，AI模型在一定程度上能够模仿病理学家在诊断常见疾病存在与否方面的表现。对于诊断较为简单的疾病（如鳞状细胞癌），检测模型的表现接近人类水平。然而，在存在人类诊断不一致性的疾病（如口腔上皮异型增生）中，AI模型可能只能模仿某个特定病理学家的诊断结果，而无法完全解决所有诊断问题

临床注意事项

• •
  与医学领域中的人工智能应用一样，AI的性能受数据质量的影响——在评估生产级产品或已发表的文献时，应检查数据质量，包括如何减少人为主观因素的影响。
• •
  鉴于病理学中的大量预分析变异，使用多机构数据集创建和/或评估模型对于确保模型的通用性以及评估AI在特定任务中的有效性至关重要。
• •
  用于疾病实体检测的AI模型

披露声明

作者没有任何需要披露的内容。