十年来,AI在病理学的应用取得了显著的进步。然而,目前我们离AI在病理学中的日常应用相距甚远。扫描和存储全幅病理图像就目前的技术而言已经不存在困难,然而对于AI的应用的研究还停留在基础阶段,仍没有形成统一的框架。在过去的十年中,机器学习在全幅病理图像的应用中取得了进步,因此AI也被称为继免疫组化和下一代基因测序之后,在病理学中的第三次革命。
当我们来对比AI在病理学中的发展和其在自动驾驶汽车领域的发展,我们可以看到从1950s第一台具有自适应导航控制的汽车到现在自动驾驶汽车的出现经历了很长时间,但是自动驾驶汽车的发展仍没有达到我们的预期。其中一个原因是自动驾驶汽车可能产生的错误将带来的致命的风险,尽管人类驾驶员的错误每年仍在造成极高的死亡率。举个例子,2014年英国报道了超过610万撞车事故,94%可以归因于驾驶员的错误。因此,自动驾驶具有极大的潜力来显著的减少驾驶员的过失和疏忽。同样的情况也适用于在病理学中的诊断错误,然而这些错误导致的是对治疗的失准。很明显地,例如化疗对非癌症患者来说是致命的。因此,在这两个系统中,确定性和可靠性是需要达到和测试的基本特征。