人工智能的运用

DP以WSI作为技术基础，将物理切片通过扫描转化为数字切片，因此毒理病理学的工作流程得以数字化，使得人工智能、机器学习、人工神经网络以及深度学习等技术也可以应用于其中，为数字毒理病理学的革新带来前所未有的机遇。目前，人工智能在数字毒理病理学中的运用主要体现在以下几个领域［301］：①异常检测。常规的毒理学研究会产生海量的组织与相应的组织切片，而其中的绝大部分为正常的形态或常见的继发性病理改变。为此，毒理病理学家需为此耗费大量的时间与精力去做重复而枯燥的阅片工作，从中寻找出有价值的毒理病理改变。而应用AI在其工作流程中，则可以协助病理学家快速的定位目标器官和目标毒物的目标剂量。例如，AI可以快速且准确的检测出视网膜层次的形态学变化［313］。②决策辅助。AI可以协助病理毒理学家完成日常诊断工作中具有明确细则的事项，如诊断标准、诊断阈值及评分标准方面。如精原细胞的分期［314］、IHC结果的定量判读［315］等。③简化诊断积分；毒理病理学家进行疗效模型评估是往往需要进行复杂的评分系统，其中涵盖若干个定量或半定量的评分，而AI则可以通过机器学习的方式，掌握复杂评分系统的操作逻辑，从而准确、高效地完成评分工作。例如：利用AI识别和定量肠炎小鼠模型中的关键显微病变特征［316］。④自动计数。AI可以协助毒理病理学家完成日常工作的关于计数相关的内容，如计算核分裂数、凋亡小体、血管密度、炎细胞（特定的炎细胞类型）数量等。⑤目标测量与量化。随着毒理学研究的发展，针对目标的病变区域进行测量与定量分析的需求也越来越多，但是完全由病理学家通过人工判读的方式完成，存在难度大、耗时长、重复性差等弊端。AI则可以通过深度学习的方式掌握，并快速、高效地完成上述任务。如定量乳腺上皮增生［314］、定量评估肝细胞肥大［308］等。(https://www.daowen.com)