摘要：科学家开发并测试了针对数字病理学的新型人工智能（AI）工具 - 一个快速增长的领域，它使用由组织样本创建的高分辨率数字图像来帮助诊断疾病和指导治疗。...

来自Weill Cornell医学和波士顿的Dana-Farber癌症研究所的科学家已经开发并测试了针对数字病理学量身定制的新的人工智能（AI）工具 - 一个快速增长的领域，使用了从组织样本创建的高分辨率数字图像来帮助诊断疾病和指导治疗。

他们的论文发表在柳叶刀数字健康7月9日，可以量身定制一种用于理解和生成文本的AI语言模型Chatgpt，以提供对数字病理学问题的准确回答并汇编详细的结果。作者还发现，Chatgpt可以在没有广泛的编码经验的情况下帮助病理学家使用复杂的软件来分析组织样本，从而弥合病理学和数字病理学技能之间的差距。

ChatGpt是一种大型语言模型（LLM），这意味着它使用大量数据在广泛的主题上生成文本。该研究的主要作者穆罕默德·奥马尔（Mohamed Omar）博士说：“ LLM适合一般任务，但它们并不是获得有用信息的最佳工具。”病理学和实验室医学副教授兼计算与系统病理学部负责人Luigi Marchionni博士也是这项研究的合着者。

为了创建AI工具，可以提高数字病理学所需的细微决策所需的效率和准确性。

提高病理的AI准确性

奥马尔博士说：“ LLMS将军有两个主要问题。首先，它们通常提供冗长的通用响应，这些响应不包含有用的信息。” “其次，这些模型可以幻觉和弥补，包括文献引用。

为了解决故障，Umeton博士从Dana-Farber癌症研究所（GPT4DFCI）实施的安全，私人和安全的CHATGPT版本开始。研究人员增强了GPT4DFCI，访问了数字病理学最新发展的全面和精心策划的数据库，该数据库由2022年开始的650个出版物组成，从而增加了10,000多页的文献。

Umeton博士说：“我们可以要求这个新的系统来了解数字病理学中的许多特定主题或技术，并在几秒钟内获得结果，并具有当前科学文献工具或搜索引擎中不存在的细节，深度和摘要水平。”

他们使用了一种称为检索型生成（RAG）的技术，该技术使GPT4DFCI能够从此专用数据库中访问相关文档或信息，并对有关数字病理的用户提示产生准确的响应，但没有该领域之外的任何东西。

Omar博士和他的同事将GTP4DFCI的响应与提供更通用的GPT-4模型的响应进行了比较。通过要求GTP4DFCI提供指向其用于生成响应的特定出版物的链接，他们确定答案是准确且扎根的。精致的模型比GPT-4提供了更精确和相关的答案，甚至一次也没有幻觉。

奥马尔博士说：“我的希望是，这将成为其他医学或医学研究领域中更特定领域的工具的催化剂。”

AI提供了编码的帮助

该团队开发的第二个AI计划可帮助病理学家使用PathML，这是一个专业的软件库，需要熟悉编程语言Python来分析庞大而复杂的组织病理学图像数据集。奥马尔博士说：“没有事先编码经验的病理学家或科学家通常会发现PATHML用于图像分析任务非常具有挑战性。”

研究人员将PATHML与Chatgpt集成在一起，使用户可以简单地输入有关使用PathML进行组织病理学分析的问题。然后，该工具为编码样品提供逐步，准确的说明。

Umeton博士说：“我们的研究表明，当与适当的信息检索技术结合使用时，Chatgpt和维护的AI工具（例如GPT4DFCI）在支持基础研究人员方面非常有效。” “这些工具即使在需要非常精确的答案（例如数字病理）的非常复杂的主题中也很有帮助。”