Právě jsem měl to potěšení udělat rozhovor s @Nature o vzestupu umělé inteligence v digitální patologii. S rostoucím pracovním vytížením a globálním nedostatkem patologů se obor obrací k umělé inteligenci nikoli jako k luxusu – ale jako k nutnosti. Celý článek: V článku se zabývám tím, jak nedávné pokroky v základních modelech, jako jsou UNI-2 a CONCH, nově definují, co je možné v diagnostice rakoviny. Tyto modely, vytrénované na stovkách milionů patologických záplat, jdou nad rámec klasifikace: umožňují molekulární podtypování, generování titulků a dokonce i nulovou inferenci. Ale zatímco humbuk je skutečný, stejně tak jsou skutečné i výzvy. Hlavními překážkami zůstávají zobecnění napříč weby, nedostatek externí validace a regulační překážky. Musíme investovat do robustního benchmarkingu, multiinstitucionálních studií a důvěryhodného návrhu modelů, abychom zajistili, že umělá inteligence skutečně podporuje – nikoli nahrazuje – klinický úsudek. Digitální patologie není budoucnost – už je tady. Udělejme to bezpečné, škálovatelné a spravedlivé. @UHN_Research @PMResearch_UHN @VectorInst @UofT