热门关键词：
Beck强调称：虽然机器学习确实能够在特定诊断任务当中发挥重要的辅助作用，对于人工智能能否最终逾越并完全取代人类病理学家这样的问题。但为病人找到最佳治疗方法仍然需要多种类型临床信息的配合，包括细胞染色、蛋白质注释、基因概括以及电子健康记录等等。只有将这些信息进行认真筛选与组合，才干制定出明确的诊断与治疗计划。这种综合能力正是人类病理学家的价值所在Beck认为，人工智能自身并缺乏以解决这个问题。
让我先聊聊病理学家们如何拯救人类生命的首先。
外科医生就会从该潜在肿瘤处提取一个小小的柱状活体样本，当发现患者胸部扫描显示肺部位置存在可疑肿块。由病理学家进一步提取极薄的组织切片放在载玻片上通过显微镜进行观察，判断细胞中是否存在癌变迹象。最后，由医生着手治疗。
或是将显微镜下观察到某些良性细胞误判为癌细胞。后一种情况下，但这样一个诊疗的过程也有局限性。即便是专业的病理学家和医生也有可能忽略真正的癌细胞。病人将接受毫无必要的保守化疗。
这个问题将在很大水平上被解决。利用大量数字化影像进行训练，而借助人工智能。人工智能系统能够提供准确率远超人类病理学家的诊断结论，甚至发现顶尖病理学家也无法发现的极为细小的病征。也就是说，针对于癌症，人工智能将为医生和病理学家提供重要的诊断与治疗建议，并且这个过程有望在几秒钟之内完成。
机器将使日益复杂的现代医学变得更易于管理，无疑。而人机组合的方式也将逾越单一一方的表示，给未来医学发展带来新的突破。
由机器学习算法驱动的各类诊断工具已经进入临床市场，过去的一年中。协助医生在极少甚至根本无需人工输入的前提下轻松发现手腕骨折、糖尿病并发性眼疾以及中风等病征。然而，这些早期应用仅仅负责自动完成专家诊断及医师执行方面的任务，一般涉及解释X光机片与CT扫描等影像。这类软件在分析精度与准确率方面略微优于训练有素的人类专家，且具备极为明显的速度优势。然而，还不能从根本上扩展诊断规模。
AI病理学的发展更具有突破性。相比之下。
2019年美国食品与药物管理局（简称FDA 或将批准多家公司在病理学领域的第一款AI支持型工具。与放射学及眼科等单纯面向某一领域的学科不同，据预测。AI病理学工具能够将生物化学、免疫学乃至遗传学领域的效果整合起来，从而为组织薄切片及染色样本的图像添加分子级别的细节观察。
曾在波士顿与合伙人共同兴办并经营一家名为PathA I初创企业。表示，A ndrewH.Beck一位专业的病理学家。工具将真正改善诊断的准确性与治疗效果，并认为，病理学将成为人工智能真正完全改变的第一个医学领域。
希望能够协助病理学家利用载玻片上的数字化活体组织图像发现癌细胞或者其它患病细胞。支持者们指出，Beck并不是唯一一位对此抱有乐观态度的人。各大软件巨头（包括谷歌与IBM医疗设备制造商（包括飞利浦与徕卡生物系统公司）以及数十家初创企业正在开发相关的模式识别算法。据统计目前只有不到2%高校毕业生愿意进入病理学领域;而智能软件的呈现则有望缓解全球人才短缺的现状，同时减轻病理学专家和医生的工作压力。
同时接受过计算机科学培训。公司总部内，Beck自身对病理学与软件都有着深入的理解。一位病理学家。Beck进行了一轮PathA I平台演示。将一局部癌变肺组织数字图像进行缩放，显微镜载玻片的规范视力与染色叠加图之间切换，并通过突出显示特定细胞或癌变相关蛋白做出内容注释。
并将其与例如肿瘤侵袭性、治疗计划与治疗结果等临床数据加以结合，利用数字载玻片图像数据PathA I对其机器学习算法进行了训练。从而实现远超任何顶尖人类医师的统计分析能力。
PathA I模型不只能对癌细胞进行检测并评估肿瘤的状态，据了解。同时还能给出相关的治疗建议。通过计算解围在肿瘤周边的免疫细胞，并判断这些细胞是否具有某些特性的方式，考量最新的免疫疗法是否奏效。
这种方式对于像Bristol-MySquibb简称BMS这样的药物开发商来说极具价值。因为BMS一直希望借此确定为什么只有一小局部临床试验参与者对抗癌药物有所反应。
团队目前正在依靠PathA I技术确定活检样本中的肿瘤细胞是否被伪装蛋白质所覆盖—这种情况下，BMS公司翻译病理学负责人MichaelMontalto解释称。免疫细胞无法将癌细胞正确识别进去。BMS免疫治疗药物能够有效剥开覆盖层，从而激发病患身体对于癌细胞的杀灭功能。表示，这还只是人工智能发现作用的案例之一，接下来BMS还将把这项技术引入所有病理试验中。
