上文主要简介数智病理诊断中的图像数字化问题，现在接着说诊断智能化问题。

   将人工智能（AI）或自动化引入病理诊断领域，是AI技术的一大进步。数智病理诊断或人工智能辅助病理诊断从相对简单的筛选癌细胞到肺癌、乳腺癌等的数智诊断软件研制已渐臻成熟，有望走向实际应用阶段。对于感染性疾病，在数智辅助诊断方面几乎还是空白，有待开发。

数智病理诊断开发，大致遵循如下程序：确定开发对象及其性能需求；确定深度学习目标（选择充分病例和文献资料）；扫描备用切片（进行图像处理），标记特定图像，为人工智能模型训练提供可靠数据；饲喂特定硬件（深度学习图像和文件，积累数据）；开发相关算力算法和诊断程序，针对不同病理组织结构的检测、分割、特征提取的算法，进行全扫描组织病理图像分析；场景应用（AI读片，识别图像和判读/诊断）；人工复核验证，把控质量，评估和改进诊断模型；总结经验，推广应用，优化完善诊断程序。这里，通过深度学习数字图像和人工神经网络（ANN）模拟病理专家读片、思考和诊断的过程和功能是最重要的技术环节，也是智能化诊断的必要步骤。

数智病理诊断的应用：利用人工智能进行病理诊断需要遵循一定的诊断程序：患者基本信息资料的核对+图像识别和判读+辅助资料的分析（流行病学、临床资料、实验室检查、影像学检查、核酸检测结果等相关资料）+鉴别类似疾病或病变、病原体，最后做出AI诊断，人工复核AI诊断，修改和签发诊断报告。在应用过程中可能会发现一些问题或瑕疵，病理医师会提出修正意见，不断改进完善智能化诊断功能。

数智病理诊断也需要设定相应的诊断标准：以病理图像为基础，参考相关资料，列出多项指标及其权重（量化诊断），按照符合程度做出诊断，并最好给出诊断的可信度或可靠性评价，供复核医师参考。

病理专家在数智诊断的开发和应用过程中的作用很大，如制定开发计划，选择病种和病例，确定研发对象或目标；挑选组织学切片和细胞学涂片（包括常规染色和特殊染色、免疫组化、免疫荧光、原位杂交、原位PCR等）；标识典型或特异性病变，使图像数字化（扫描）；选择AI深度学习的资料，观察和评估深度学习的效果；AI诊断程序的评估和验证，提出修改完善意见。应用数智诊断程序进行诊断，并考核或验证诊断结果，签发诊断报告。由此可见，病理专家不仅是数智病理诊断的研发者、参与者，还是诊断结果的验证者和担责者，在数智诊断结果的开发、评估与应用等方面，都具有不可或缺、不可替代的重要作用。

以上简要汇报了本人对数智病理诊断的文献阅读及现场考察的心得体会，不当指出请行家里手指正。

本文允许在互联网范围内转载，使用时请注明作者姓名、作品名称及作品来源。