典型文献
人工智能在肿瘤组织病理标志物分析中的应用进展
文献摘要：
肿瘤个体化治疗的进展对肿瘤组织病理标记物的精确诊断提出了更高的要求.数字病理(digital pathology,DP)的发展为人工智能(artificial intelligence,AI)辅助诊断在肿瘤组织病理图像分析中的应用提供了基础.基于卷积神经网络的深度学习(deep learning,DL)算法能够将DP图像与计算机分析技术相结合,有望成为定量评价肿瘤组织生物标志物的重要工具.本文概述了 AI在组织病理学中的发展,并以目前研究相对广泛且与临床诊疗密切相关的分子病理指标Her-2、Ki-67及PD-L1的图像分析为具体案例,重点阐述了当前AI在肿瘤病理标志物分析中的研究进展.AI辅助的肿瘤病理诊断具有客观性强及可重复性高等优点,能够实现肿瘤组织标志物诊断的定量分析,从而克服病理医生人工判读的挑战,提高病理诊断的精确性.通过计算机工具构建肿瘤组织标志物的AI判读模式,是构建未来肿瘤智能诊疗体系的重要环节.
文献关键词：
人工智能;数字病理;肿瘤标志物
中图分类号：
作者姓名：
张艳辉;吴江华;孙保存
作者机构：
天津医科大学肿瘤医院病理科,国家恶性肿瘤临床医学研究中心,天津市"肿瘤防治"重点实验室,天津市恶性肿瘤临床医学研究中心,天津市300060;天津医科大学病理教研室
文献出处：
引用格式：
[1]张艳辉;吴江华;孙保存-.人工智能在肿瘤组织病理标志物分析中的应用进展)[J].中国肿瘤临床,2022(14):743-747
A类：
B类：
肿瘤组织,个体化治疗,标记物,精确诊断,数字病理,digital,pathology,DP,artificial,intelligence,辅助诊断,组织病理图像,图像分析,deep,learning,DL,计算机分析,技术相结合,定量评价,生物标志物,组织病理学,临床诊疗,分子病理,Her,Ki,L1,肿瘤病,病理诊断,可重复性,判读,精确性,机工,智能诊疗,诊疗体系,肿瘤标志物
AB值：
0.379909
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
