人工智能精准分辨健康组织与癌组织
美国纪念斯隆凯特琳癌症中心开发出深度学习模型，能自主区分健康组织和癌组织，无需人工标注。基于超1 5万名患者的4 4万多例组织切片训练，算法可排除75%无用样本，同时保持100%敏感性，为临床部署计算决策支持系统铺平道路。
英国《自然·医学》杂志近期发布的一项研究，为癌症诊断领域带来了颇具前景的突破。美国纪念斯隆凯特琳癌症中心的研究团队成功构建了一个深度学习模型，开发出一套能够自主区分健康组织与癌组织的人工智能系统。其核心亮点在于：这套系统无需病理学专家事先进行手动数据标注，即可实现“自主学习”，从而显著加快癌症诊断流程。
长期以来，病理学AI系统的研发始终受困于一个瓶颈——需要大量人工标注的数据集。病理学家需要逐张切片手动标记，耗时费力，直接拖慢了技术从实验室向临床转化的速度。工程师和医学界人士都希望找到绕过这一障碍的有效方法。
此次，研究团队的做法相当扎实。他们首先构建了一个大规模数据集，涵盖超过1.5万名前列腺癌、皮肤癌、乳腺癌患者的4.4万余例组织切片。在此基础上训练的深度学习模型，不再依赖人工标注，而是直接自主识别肿瘤细胞。测试结果显示，这套算法能够帮助病理学家排除最多75%的无用信息组织样本，同时保持100%的敏感性——也就是说，不会遗漏任何一个真正有问题的切片。正如研究团队所言：这为在临床实践中部署计算决策支持系统铺平了道路。
当然，这套系统未来若投入实际应用，很可能成为癌症中心病理诊断的得力助手，让常规病理检查的效率再上一个新台阶。
谈到AI在癌症诊断领域的进展，近两年确实好消息不断。例如，圣地亚哥海军医学中心与谷歌AI团队联合开发的系统，能够利用癌症检测算法自主评估淋巴结活检，帮助对转移性乳腺癌患者的诊断和治疗做出更精准的决策。再如纽约大学医学院的研究团队，他们开发的机器学习程序不仅能以97%的准确率确定患者的肺癌类型，还能进一步识别导致异常细胞生长的变异基因。这些突破虽然在技术路径上各有侧重，但都指向同一个方向：AI正在逐步改变病理诊断的游戏规则。
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：人工智能精准分辨健康组织与癌组织要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点DeepEP：为混合专家模型（MoE）量身打造的高效通信库 在大规模模型训练与推理中，混合专家（MoE）模型的通信效率一直是影响性能的关键瓶颈。本文要介绍的DeepEP，正是为解决这一难题而生的——一个专为专家并行（EP）场景优化的通信库。它通过精细的数据传输与资源调度机制，切实实现了降本增效。 D
想象一下，你面对一堵墙大喊一声，仅凭回声就能判断墙后是一只猫还是一匹马——这听起来是不是很像科幻情节？然而，有一支科研团队真的实现了类似效果的“摄影”技术。他们并非依靠回声来区分动物，而是借助光子的“时间回响”来重构三维场景。 近期发表在《Optica》期刊上的一篇论文中，来自英国、意大利和荷兰的研
阿里深夜开源万相2 1，AI视频领域迎来真正的“DeepSeek”时刻。 昨天的AI圈消息接连不断。凌晨2点半，Claude发布了3 7 Sonnet；凌晨5点半，阿里推出推理模型QwQ-Max预览版；上午10点，DeepSeek开源了DeepEP代码库；到了晚上10点20，阿里的视频生成模型万相2
智能自动化如何为医疗保健行业提供资源 先聊聊智能自动化在医疗行业扮演的角色。它本质上是人工智能与自动化的结合体，组织一旦将其落地，就能实现端到端流程的自动化，效率提升不止一个量级。普华永道甚至断言，这项技术正在开启第四次工业革命，或者说第二次机器时代，因为它正在碘伏并创造全新的商业模式。最初，它更多
- 日榜
- 周榜
- 月榜
热点快看