切换至 "中华医学电子期刊资源库"
图/表 详细信息
  • 病理组学在胃癌诊治中的应用与挑战
    郑仁杰, 张尊庶, 黄陈
    中华普通外科学文献(电子版) . 2025, 19 (04): 274-280.
    摘要 ( 3 ) HTML ( 0 ) PDF ( 2624 ) ( 1 )

    胃癌是来源于胃黏膜上皮的恶性疾病,其发病率和死亡率在众多恶性肿瘤中均居前列,严重威胁人类的生命健康。胃癌治疗的前提是准确诊断胃癌亚型并提出最佳治疗策略,以延长患者的生存期。近年来,病理组学作为一种人工智能算法驱动的新兴组学技术,能够从全切片数字扫描图像中更准确地识别癌症亚型,分析肿瘤微环境及细胞核异形的病理组学特征,这不仅大大提高了病理诊断的效率和准确性,也有利于治疗方案选定及预后的远期评估等,具有广阔的临床应用前景。尽管胃癌的病理组学现在仍面临标准化数据稀缺,模态数据质量高度异质,缺乏可解释性、可重复性和人工智能信任问题等挑战,但目前已有大量的持续工作来解决这些问题,并促进基于人工智能的病理组学分析的临床转化。在人工智能技术的广泛应用与临床实践中病理组学数据不断完善的推动下,胃癌的精准诊疗领域正迎来创新的浪潮。

特性 传统病理学方法 基于AI的病理组学
样本获取 依赖于外科手术获取的充足组织样本 微创检查获取的少量甚至微量标本
诊断方法 定性诊断,依靠病理医师的经验和直观判断 定量评估,使用AI算法进行精细分析
诊断维度 单维度分析,侧重于组织学层面 多维度综合诊断,整合组织、基因、分子等数据
循证医学原则 遵循循证医学原则,但可能受限于主观判断 提高诊断结果的可重复性、客观性和可比性
数据处理能力 受限于人工分析能力,可能无法处理大规模数据 高效数据处理能力,分析大量病理数据
诊断精度和效率 依赖于病理医师的专业技能和经验 提供快速、标准化的诊断结果,减少人为错误
临床决策支持 提供基础病理报告信息 提供深入数据分析和预测,如疾病进展、治疗反应
表1 传统病理学与AI病理组学对比概览
本文的其它图/表

AI


AI小编
你好!我是《中华医学电子期刊资源库》AI小编,有什么可以帮您的吗?