很多文章的报道都是由微观而宏观，今日小编讲给大家带来的关于人工智能在疾病诊断中的前景的资讯也不例外，希翼可以在一定的程度上开阔你们的视野！y有对人工智能在疾病诊断中的前景这篇文章感兴趣的小伙伴可以一起来看看

您去看医生进行例行检查。她决定对看似微不足道的病变进行细针抽吸(“可能什么都没有……”)。但是几天后，您会回电。他们发现了一些异常细胞。

您的医生建议您在办公室进行切除的专家，将组织样本发送到组织学实验室。实验室的组织学家准备了样品，方法是将切片切成薄片，放在“盒式磁带”中，然后将其整夜送到另一个实验室进行处理。第二天返回组织块时，组织学家从处理过的石蜡包埋组织切下载玻片，并用苏木精和曙红对它们进行染色，苏木精和曙红分别与细胞结构结合。创建一个病例编号，然后将载玻片放在塑料托盘上，然后送到病理医生那里，就好像在提供开胃小菜一样。病理学家可能会把托盘沿着大厅走到另一位病理学家，后者会在显微镜下检查标本，有时会建议使用其他解释性染色剂。做出诊断，病理报告会发回给您的医生，然后由他制定治疗计划。整个过程可能需要数周，有时甚至数月。

患者和医疗专业人员已经习惯了这种演练：数十年来，这向来是标准做法。但是人工智能的进展马上破坏疾病的诊断。

想象组织学家可以扫描幻灯片，创建电子图像，不同的医生，实验室和技术人员可以通过数字方式对其进行访问。组织样本可以存储在云中，并与遥远的专家共享，他们可以与医疗服务提供者进行远距离合作。可以通过识别组织样本中特定特征和行为的深度学习算法来证实诊断。数字图像成为血液或组织样本的历史记录。整个诊断过程可能从几周到几小时不等，从而加速了至关重要的患者护理。

“我们向来在讨论病理学是艺术还是科学，”数字病理学AI和云平台供应商Deep Lens的首席执行官兼联合创始人Dave Billiter解释说。Billiter来自更传统的医疗保健机构，在Cardinal Health和Nationwide Children's Hospital的研究所担任行政职务。但是他认识到人工智能在医学领域开发新局面的希翼。

“实质上，您是依靠训练有素的眼睛来诊断生物样本。但是，疾病有很多不同的类型和亚型。即使拥有训练有素的医学专家，您也要依靠个人来理解他们。对于病理学家而言，这是一个艰巨的过程。然后，您开始添加所有这些不同的生物标记物，基因组学，代谢组学……这是病理信息海啸!”

随着对更多专业化需求的增加，病理学家的数量正在减少。据医学实验室观察家称，尽管由于婴儿潮一代的老龄化和基因组研究的不断进展，医学专业的毕业生选择病理学作为专业的人数有所减少。

“我们看到的病理学专家人数正在减少，”位于加利福尼亚州奥兰治县的获得董事会认证的血液病理学家Saskia Boisot医师证实。“部分原因是医学院没有像其他专业那样突出病理职业。部分原因是病理学家的工作市场非常有限，这种实践完全取决于与医院或私人参考实验室的隶属关系，很少有自治的机会。”