Трансформация цифровой патологии с помощью генеративного искусственного интеллекта и базовых моделей

Цифровая патология изменила традиционный подход к исследованию тканей под микроскопом, превратив его в рабочий процесс с применением компьютерного зрения. Сканирование препаратов целиком позволяет патоморфологам просматривать и анализировать микроскопические изображения на экране компьютера, что создало основу для вычислительной патологии. В последние годы вычислительная патология стала перспективным направлением благодаря применению искусственного интеллекта (ИИ) и машинного обучения (МО). В последнее время на передний план вышли модели ИИ и МО для конкретных задач, например свёрточные нейронные сети; во многих задачах обработки изображений и компьютерного зрения они превосходят человека. Однако их эффективность зависит от наличия большого количества размеченных обучающих наборов данных, что сдерживает развитие ИИ и МО в патологии. Такие модели не могут использовать мультимодальные данные и плохо обобщают результаты: например, им часто не удаётся работать с новыми наборами данных или при изменении условий получения изображений, методов окрашивания и типов тканей. В 2020-х годах получили распространение базовые модели и генеративный ИИ. Базовая модель — это крупная модель ИИ, обученная на большом объёме данных, которую затем адаптируют или дообучают для решения различных задач с помощью небольшого объёма размеченных данных, специфичных для конкретной задачи. Эти модели поддерживают обучение в контексте, могут самостоятельно исправлять ошибки и быстро учитывать обратную связь пользователя. В этом обзоре кратко рассмотрены недавние достижения вычислительной патологии, обеспеченные моделями ИИ для конкретных задач, а также связанные с ними проблемы и ограничения; затем представлены различные базовые модели. Авторы предлагают создать специализированный для патологии генеративный ИИ на основе мультимодальных базовых моделей и описывают его потенциально преобразующую роль в цифровой патологии. Рассмотрены возможные сценарии применения: такая система могла бы стать экспертным помощником патоморфолога и помогать эффективно и объективно выполнять рутинные лабораторные задачи, включая количественный анализ изображений, составление патоморфологических заключений, диагностику и прогнозирование. Кроме того, описана потенциальная роль базовых моделей и генеративного ИИ в стандартизации работы патоморфологической лаборатории, обучения и профессиональной подготовки.