摘要组织病理图像因蕴含丰富的形态学与分子信息仍是疾病诊断的金标准而人工智能AI为病理领域带来了变革性潜力。尽管AI驱动的计算病理工具发展迅速正重塑疾病解读方式但相关技术尚未得到系统性评估。因此本综述系统评估了AI在诊断全流程中的应用涵盖图像预处理、肿瘤分类、预后分层及预测性生物标志物发现等环节构建了支撑这些应用的算法与基础模型技术分类体系通过严格的对比分析基准化评估了各类技术在不同诊断任务中的性能识别了临床转化中的关键挑战包括计算扩展性、标注噪声、可解释性缺口及领域迁移问题最后提出了推进AI在精准肿瘤学与病理研究中应用的路线图。本综述通过衔接技术创新与临床需求旨在加速稳健、统一、可扩展的AI解决方案融入诊断流程。xucqhzcu.edu.cnliuzaiyigdph.org.cnjzhang1989zju.edu.cnfhyankaigmail.comzunleifengzju.edu.cn#人工智能 #AI #病理图像 #定量特征 #病理基础模型数字病理中的样本制备、图像获取与计算处理图1数字化病理图像形成流程展示了数字化病理图像的形成流程主要包括样本制备与染色、切片数字化与质量控制、计算处理、图像分析与诊断4个核心环节。样本制备与染色阶段涵盖取样、脱水、包埋、切片及多种染色方式苏木精-伊红染色HE、富尔根染色、巴氏染色、免疫组织化学染色IHC等切片数字化阶段通过全切片扫描仪将物理切片转化为高分辨率数字图像并进行质量控制以消除模糊、聚焦不良等伪影计算处理阶段包括染色归一化、图像转换等预处理操作图像分析与诊断阶段结合人工智能AI技术提取病变特征、评估病变严重程度最终辅助病理诊断。HE苏木精-伊红染色IHC免疫组织化学染色AI人工智能。人工智能在数字病理中的应用生物标志物发现表1智能数字病理分析的任务及对应特征总结汇总了智能数字病理分析中各类任务对应的病理特征、计算机特征及所用方法图2人工智能在数字病理中的应用人工智能在数字病理中的应用主要包括基础病理图像处理、生成临床筛选与诊断预后预测及生物标志物发现。图中系统总结了各应用场景相关的计算任务及对应人工智能技术。ResNet残差网络U-NetU 型网络DNN深度神经网络GCN图卷积网络HE苏木精-伊红染色GANs生成对抗网络CNN卷积神经网络VAE变分自编码器。智能病理图像分析技术基于传统机器学习的技术表2数字病理图像分析的传统机器学习技术总结汇总了用于数字病理图像分析的传统机器学习技术基于深度学习及定量特征增强的模型表3数字病理图像分析所用深度学习模型总结汇总了用于数字病理图像分析的深度学习模型图3全切片、组织及细胞水平的定量特征可视化展示了全切片、组织及细胞水平的定量特征可视化结果。切片水平特征包括癌性区域占比a、癌性区域形态b、肿瘤浸润淋巴细胞簇密度及结构c、肿瘤形态及面积通过计算机辅助分析确认原发肿瘤的宽度、手动测量面积、数字测量面积及形态特征d组织水平特征包括腺体分布及形态e、肿瘤微环境f、组织形态及相互关系g、腺体角度h、局部细胞相互作用i、组织丰度j细胞水平特征包括细胞核结构及纹理k、强度统计及共现特征l、细胞核形态及拓扑结构m、细胞核形态及排列n、定量细胞核特征o、细胞核形态及结构p通过深度学习模型提取细胞核特征再通过定量方法提取与细胞核形态及结构相关的特征、细胞核形态、纹理及取向q、细胞核簇空间图特征r、细胞簇空间分布及拓扑特征s、细胞大小、形态及纹理特征t。TIL肿瘤浸润淋巴细胞TME肿瘤微环境。基于基础模型及多模态模型的病理图像分析表4数字病理大型基础模型路线图对比对比了数字病理领域各类大型基础模型的路线图图4病理大型模型在诊断分类任务中的性能对比(a) 柱状图展示了不同癌症数据集上的曲线下面积AUC。(b) 柱状图展示了TCGA-LIHC肝细胞癌和TCGA-LUAD肺腺癌数据集上的C指数。每种模型用不同颜色表示结果凸显了各模型在不同病理场景下的诊断能力。HIPT分层图像金字塔 TransformerUNI面向计算病理的通用基础模型CHIEF临床组织病理影像评估基础模型CONCH基于组织病理描述的对比学习模型TITAN基于Transformer的病理图像与文本对齐网络TCGA癌症基因组图谱BRCA乳腺癌LUAD肺腺癌RCC肾细胞癌CRC结直肠癌MSI微卫星不稳定性LIHC肝细胞癌。病理分析公开数据集表5病理图像分析现有公开数据集总结汇总了病理图像分析领域的现有公开数据详细总结思维导图mindmap核心技术路径与代表方法核心公开数据集代表性模型性能参考Mil Med Res. 2026 Jan 4;12(1):93. doi: 10.1186/s40779-025-00680-6.Artificial intelligence in digital pathology diagnosis and analysis: technologies, challenges, and future prospects260104AI_Pathology.pdf注AI辅助创作如有错误欢迎指出。内容仅供参考不构成任何建议。