ЦИФРОВА ПАТОЛОГІЯ В РОБОТІ МЕДИЧНОЇ ЛАБОРАТОРІЇ. / АНАЛІТИЧНИЙ ОГЛЯД
Oleksandr Dudin, Ozar P. Mintser, О. М. Сулаєва · Medical Informatics and Engineering · 2021
Цифрова патологія є невід'ємним технологічним елементом науково-лабораторного середовища та відіграє важливу роль у сучасній клінічній практиці. Мета огляду полягала в аналізі сучасного стану розвитку цифрової патології, її можливостей та ролі в розвитку патології як невід'ємної складової персоналізованої медицини. Отримання повноцінних віртуальних препаратів полегшило б роботу з зображеннями, надало можливість перегляду та обміну зображень між патологами і фахівцями інших спеціальностей. Розроблення відповідного програмного забезпечення та рішень про зберігання й обмін цифрових зображень визначила також широке використання цифрової патології в освітньому процесі при навчанні цитопатологів, патологоанатомів і молекулярних патологів. Окрім зручних інструментів діагностики, отримання другої думки, проведення мультидисциплінарних консиліумів і безперервного навчання патологів, цифрова патологія скоро стане технологічною вимогою в науковому та лабораторно-діагностичному середовищі. У підсумку, впровадження систем штучного інтелекту у діагностику онкологічної патології свідчить про можливість інтеграції патогістологічних даних із результатами клінічного обстеження, лабораторними показниками, даними радіологічного дослідження та результатами молекулярно-генетичного тестування, що надає змогу для повноцінної діагностики та вибору лікування відповідно до вимог персоналізованої медицини. Водночас підкреслено необхідність створення єдиної професійної мови та багатовимірних класифікацій станів пацієнтів, що підлягають комп'ютерному розпізнаванню.
Cited by 0 works. doi:10.11603/mie.1996-1960.2020.3.11608 Open-access PDF
Authors
References
- Dermatologist-level classification of skin cancer with deep neural networks
- Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs
- Diagnostic Assessment of Deep Learning Algorithms for Detection of Lymph Node Metastases in Women With Breast Cancer
- Classification and mutation prediction from non–small cell lung cancer histopathology images using deep learning
- Clinical-grade computational pathology using weakly supervised deep learning on whole slide images
- Deep learning can predict microsatellite instability directly from histology in gastrointestinal cancer
- Digital pathology and artificial intelligence
- Artificial Intelligence and Digital Pathology: Challenges and Opportunities
- Digital pathology in clinical use: where are we now and what is holding us back?
- The Impact of the COVID-19 Pandemic on Cancer Patients