Pathology AI 새로운 시대 : WSI 데이터 세트의 800,000 사례는 디지털 병리학의 미래를 재조합

지난 5년간 병원 AI의 길을 돌아보고 있기 때문에, 명확한 궤적을 찾을 수 있습니다. 단일 조직 식별에서 다중 조직 질병의 단일 조직 진단에 이르기까지; 약한 감독과 자기 감독에 의해 구동되는 큰 모델 연령에 집중된 소규모 검증에서; morphology + genomics + proteomics에서 다중 그룹 통합에 간단한 형태 분석에서.데이터의 크기와 품질은 기술 천장을 결정하는 핵심 변수를 유지。

이 시점에서이 심층적 기사를 작성하기로 선택했습니다. 나는 일어나고있는 사실을 본기 때문에 : 길고, 고품질의 병리학 이미지 세트의 출현은 Long Salangei Information Technology Ltd. PATHOLOGY-WSI 데이터 세트가 대표되어 있으며, 체계적으로 변화하는 Pathological AI의 개발 패러다임 및 업계 패턴입니다. 800,000 전체 조각 이미지, 30 + 조직 부품, 200 + 질병 분류 -이 숫자는 "진짜"의 상징이 아니라 "진짜"에 대한 "진짜"의 개념이 아닙니다.

이 종이에서, 나는 현재의 병리 AI에 있는 핵심 고통 점을, 2026년에 절단 가장자리 기술 돌파구, 길 자료 세트의 유일한 가치, 그리고 다음 3 5 년 동안 기업 동향을 볼 것입니다. 나는 academia, 기업 및 투자에 있는 나의 친구를 위한 기업에 깊은, 온도 및 통찰력을 제공하기 위하여 희망합니다.

개발의 거의 십 년 후, 병리학 AI는 임상적으로 위치한 영역의 깊은 물 영역에 개념 검증 단계에서 이동했다. 그러나, 산업은 세겹 구조 디블로마에 직면하고 있습니다, 궁극적으로 실제적으로 진보로 동일한 핵심 병목에 점을.고품질, 대규모, 표준화된 레테르를 붙이는 자료。

Difficulty one: 충분한 데이터 크기와 다양성, 확장하는 한정된 모델링 기능

현재 국제적으로 간행된 병리학 WSI 데이터 세트 TCGA (암호학 분광법)과 같은 약 11,000 개의 경우, 약 1,400 개의 케이스의 카메론 시리즈, 그리고 약 12,000 개의 경우의 PANDA, 특정 작업에 대한 기술 진도에 기여했지만, 여전히 실제 임상 장면의 복잡성에서 크게 다릅니다. 상황은 국가의 더 심각한 - 대부분의 병리학 AI 교육 데이터는 수천 개의 경우 수십 가지의 질병, 종종 폐 질환 및 폐 질환으로 사용할 수 있습니다.

데이터 크기와 다양성의이 부족은 직접적인 결과를 가지고 있습니다.모델은 테스트 세트에서 잘 수행하지만 성능은 실제 임상 설정에서 극적으로 감소됩니다.나는 3 개의 입증 된 병리 AI 제품의 실제 세계 검증 센터에 있었다, 두 가지는 발견 된 거의 하위 ID로 정확하고, 95%가 등록 된 임상 시험에보고 된 것보다 훨씬 적은 70 % 미만. 루트 원인은 교육 데이터의 드문 경우의 대표, 모델은 "병리적 인 성격"보다 "병리적 인 패턴"만 배운다.

Scenario 2 : 금에 대한 표준의 균일 한 시스템의 라벨링 및 부족의 불안한 품질

연구원은 연구원의 연구원의 연구원을 대상으로 한 연구 및 개발 및 연구에 대한 연구 및 개발 및 개발, 연구 및 개발 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발 및 개발, 연구 및 개발 및 개발, 연구 및 개발 및 개발, 연구 및 개발 및 개발, 연구 및 개발 및 개발, 연구 및 개발 및 개발, 연구 및 개발 및 개발, 연구 및 개발 및 개발 및 개발, 연구 및 개발 및 개발 및 개발 및 개발, 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발.

갑상선암은 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암을 갖는 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의 갑상선암의

Difficulty III: 다중 그룹 데이터는 너무 심한 통합 연구가 깨지기 어렵다

정밀의학의 핵심은 "조직 통합"- genomics, trans-translation, Proteins 등과 같은 다차원 데이터를 결합하여 질병의 더 정확한 이해와 예측을 달성합니다. 그러나 현실은 다음과 같습니다.병리 이미지 데이터는 다른 시스템, 다른 분야, 다른 표준으로 나뉩니다, 심각한 데이터 고립 섬을 형성。

최고 수준의 경우에도 완전한 병리학 이미징 및 유전 테스트 데이터의 매우 제한된 사례가 있습니다. 이 직접적으로 충분한 쌍 데이터없이 멀티 그룹 통합 AI 모델의 개발을 제약하고 고급 알고리즘없이. 2025 년 국립 연구에 주도하는 15 개 이상의 센터가 국가의 병리학 이미징 게놈 통합 연구를 수행 할 수 있다는 것을 보여줍니다. 그리고 가구 당 샘플의 쌍의 수는 일반적으로 500 미만이며, 실제로 임상 멀티 클러스터 모델에서 교육 지원에서 훨씬 더 많은 것을 보여줍니다.

2025-2026년은 병리학 AI의 발달에 있는 중요한 도는 점입니다. 기초 모형의 상승은, 다 조직 진단에 있는 돌파구, 약한 supervisory 학습에 있는 성숙, 심도 다 그룹 통합, prognosis 모형의 임상 검증 – 5개의 기술 동향은 병리학적인 AI의 기술적인 단면도를 다시 형성하기 위하여 협력합니다. 나는 그 때 깊이로 갈 것입니다.

한 번의 끊기: Pathology Foundation Model -- "특별한 모델"에서 "일반적인 기본"으로 퍼지게이션"

2025년부터, 병리학 재단 모델은 분야에서 가장 인기있는 연구 방향이 되었습니다. 단일 배출 훈련을 위한 전통적인 전문 모델과는 달리, 병리학 재단 모델은 대량 비고 또는 약한 병리학 이미지에 대한 자체 감독을 통해 일반적인 병리학 형태화에서 배우고, 그 다음 중류 임무의 미성년자 미세 조정과 다양한 진단 시나리오에 적응합니다.

대표적 진도:

1. PathGPT-2 (스탠포드 대학교, 6월 2025)더 중요하게, 0 또는 몇몇 표본의 경우에는, PathGPT-2는 10의 케이스 선호한 자료로, 희소한 케이스 승인에 있는 1,000의 케이스 근거한 모형과 동등한 성과를 달성하기 위하여 굉장한 능력을 보여줍니다.

2. UNI-Path (하버드 의료 학교, 11 월 2025)모델은 187병의 32개 기관기반 진단 임무로 평가되며, 29개의 전문 모델이 0.937의 평균 AUC로 나타낸다. UNI-Path의 성공은 "모든 질병 진단용 모델"이 기술적으로 태아를 수 있음을 입증했으며, 병리학 AI의 배포에 대한 전체적인 새로운 상상력을 열어가고 있다.

3. Phikon v2 (인사 de Ciuri, 프랑스, 3 월 2026)"단계 비교 학습"의 전략은 판치 수준에서 평행한 학습과 함께 제안되며 조직 영역 수준과 전체 슬라이스 레벨은 마이크로 꼬리 인식과 매크로 구조 이해를 나타내는 기능을 배우기 위해 모델을 허용한다. CAMILYON 16/17 림프종 이동 감지 임무에서 Phikon v2의 AUC는 0.989 및 0.985에 도달했으며, 동시에 세계 기록을 업데이트했습니다.

Breaking II: 통합 멀티 조직 진단 모델 - 전문 장벽을 깨는 체계적인 시도

전통적인 병리 AI는 "One Organ One Model"의 개발 패러다임을 따르고 모델의 심한 파편 및 높은 배포 비용으로 발생합니다. 2025-2026에서는 Foundation Model 기술의 성숙과 통합 된 모델이 실질적으로 획기적인 획기적인 달성을 시작했습니다.

대표적 진도:

4. MultiPath-One (싱화 대학 & Concordat 병원, 9 월 2025)모델의 전반적인 진단 정확도는 95 % 이상 진단 정확도를 가지고 12 기관과 91.3%이었다. 특히 우려는 희귀 질환의 진단에서 멀티Path-One의 성능 - 87.6% 1 / 10000 미만의 임신률과 드문 질병의 초기 심사에 중요한 87.6% 모델의 Top-3 정확도 비율과 더불어, 이는 1 차 병원에서 드문 질병의 초기 심사에 중요한.

5. OmniPath (구글 DeepMind, 2월 2026)메가 모드 다중 조직 진단 모델, 50 백만 병리학 이미지에서 훈련 된, 49 기관과 320 질병을 덮었습니다. 23 수석 병리학자와 비교 연구에서 OmniPath는 평균적으로 8 임무보다 더 나은 18 가지 일반적인 진단 임무에서 수행했습니다. 여전히 진정한 병리학 절제 뇌에서 거리에 있지만,이 이 이정표는 통합 된 다중 조직 진단의 시대를 예측하고 있습니다.

3가지를 끊기: 모든 슬라이딩된 Weak 감시 학습 -- "Patch"에서 "slide"로의 의식에 대한 도약

브랜딩의 비용 절감을 위해 브랜딩의 비용 절감을 위해 브랜딩의 큰 숫자로 절단하는 전통적인 방법 인 WSI (WSI)는 일반적으로 수십억 개의 픽셀을 포함합니다. Weak supervisory 학습 (무게 감독 학습)은 슬라이딩 레벨 라벨 (예 : "good/bad")을 사용하여 모델을 훈련 할 수 있으며, 글로벌 기능을 캡처하면서 라벨링 비용을 크게 줄일 수 있습니다.

技术进展：2025년부터, 주의 메커니즘을 기반으로 하는 멀티 케이스 학습(MIL) 접근법은 지속적으로 진화했습니다.CLAM v2공간 감각주의 메커니즘을 도입함으로써 모델은 질병 지구 사이의 공간 관계를 더 잘 이해 할 수 있으며 신장 암 분류 임무의 정확도 비율은 원래 버전에서 84.2 %에서 90.1 %로 증가했습니다.TransMIL++약초 학습의 성능 기록은 변압기 및 비교 학습 전략을 도입하여 여러 데이터 세트에서 업데이트되었습니다 (8월 2025).

4개: Multigroup 통합을 끊기 -- “form”에서 “moleculos” 깊이에.

2026년, genomics와 병리학 이미지의 통합은 "재량 발견"에서 "카우스 폭발"으로 새로운 단계에 입력했습니다. HeE 염료 슬라이스 (즉 "형 - 몰락 협회")에서 유전자 발현의 예측은 AI 기술을 통해 정밀 의학 분야에서 가장 임상적 변형 값 중 하나가되었습니다.

대표적 진도:PathOmics Fusion Model이 연구는 연구에 따르면, 연구는 연구에 따르면, 연구는 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구는 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구는 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구는 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 발전에 따르면, 연구 및 개발 및 개발 및 개발 및 개발 및 개발

5가지를 깰: Post-pregnition model -- 값은 "진단"에서 "진단"으로 확장됨

연구원은 연구원의 연구원과 연구원의 연구원을 대상으로 한 연구 및 개발 및 연구에 대한 연구와 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발, 생산 및 판매 및 지원에 대한 전문 지식을 보유하고 있습니다.

대표적 진도:SurPath AIStanford University Medical School의 포스트 크로노테이션 임무에서 조직 변형, 면역 침수 및 tumour micro-environmental 특성을 통합하는 C-index는 5 년의 질병없는 기간을 예측하는 C-index는 전통적인 TNM stratification System (0.69)을 크게 변형시켰습니다. 유사한 API 모델은 중국 인구의 위장암 패러디의 손상 결과를 생산했습니다.GC-Prognosis여러 센터에서 인증 된 C-index는 위암 환자를 위한 수술 후 지원을 중요한 참고를 제공합니다.

이 시스템은 Pathology AI의 기술 동향을 빗질 한 후, 우리는 업계의 가치와 전략적인 중요성을 더 잘 이해하는 Long Salangei Information Technology Ltd.가 시작 한 PATHOLOGY-WSI 데이터 세트를 볼 수 있습니다. 의료 이미지 데이터 자산을 구축하기 위해 국가 최초의 회사 중 하나로서, 병리학 데이터 영역의 Longhui 기술 레이아웃은 "거의, 완전한, 깊은, 엄격한"라는 단어의 용어로 요약 할 수 있습니다.

이점 1: 앞서 크기 - 산업 자료 모트의 WSI 건축의 800,000의 케이스

800,000 병리학 WSI 전체 조각 이미지 - 개념은 무엇입니까? 비교의 몇 세트로 말해 보자 : 세계에서 가장 큰 공개적으로 사용 가능한 병리 데이터 세트, TCGA는 약 11,000, 국가 연구에 출판 된 가장 큰 단일 중심 병리 데이터 세트, 길로에서 설정된 병리학 WSI 데이터는 800,000입니다. 이 수는 전방 국가뿐만 아니라 글로벌 규모에서 첫 번째 계층입니다.

가늠자의 점은 무엇입니까? 깊은 학습 모형을 위해, 좋은 모형이기 위하여 좋은 아이디어입니다.data volume과 model performance 사이의 logarithmic 선형 관계가 있습니다.- 데이터의 양에 각 양의 증가를 위해, 모델 성능은 정결한 도약을 겪을 것입니다. 800,000의 경우의 규모는, 첫째로, 그것은 진정한 병리 재단 모델 훈련을 지원할 수 있습니다, 뿐만 아니라 개방적인 자료; 둘째로, 그것은 거의 질병과 하위 유형을 포함하여 질병의 충분한 넓은 스펙트럼을 커버하여 모델의 부족을 해결할 수 있습니다; 그리고 세 번째로, 그것은 다중 영역 연구, 다중 영역 연구, 다중 영역 연구, 다중 영역 연구에 대한 견고한 데이터를 제공 할 수 있습니다.

이점 2: 장기와 질병의 전후 적용 - 30+ 기관, 200+ 질병 체계 배치

루앙 후이 PATHOLY-WSI 데이터 세트의 두 번째 중심 이점은 종합적인 기관 및 질병 적용입니다. 30 + 장기 부품 커버 거의 모든 주요 병리학 하위 특수물과 같은 호흡기, 소화, 비뇨기과, 재생산, 림프종, 내분비 및 200 + 질병 분류는 염증, 종양, 유전 질환, 대사 질환, 등과 같은 다양한 병리학 유형이 있습니다.

특히, Long Hui가 종양 병리의 깊은 세팅 된 레이아웃에 있음을 기념합니다.TNM 단계- 주요 tumours (T), 지역 림프종 매듭 (N) 및 장거리 전송 (M) 차원의 상세한 사양을 포함합니다. 예를 들어, 데이터 세트뿐만 아니라 TBSRTC (I-VI)의 6 수준을 나타내지 만, 일반적인 mammary 암, 필터 하위 유형, 높은 세포 잠수 유형 및 perfunctory 강성과 같은 각 수준에서 하위 사양을 나타냅니다. 이 미세 조정 시스템은 "AI"의 임상 시험에 따라 정확하게 측정 할 수 있습니다. "AI"는 단순히 "AI"의 진단을 기반으로하는 진단을 기반으로하는 진단을 기반으로하는 진단을 기반으로하는 진단을 기반으로하는 진단을 기반으로하는 것이 아니라, AI-시험 결과를 제공합니다.

이점 3: 금 표준 체계 - 병리 진단의 “금 표준” 혈액

이 웹 사이트는 귀하가 웹 사이트를 탐색하는 동안 귀하의 경험을 향상시키기 위해 쿠키를 사용합니다. 이 쿠키들 중에서 필요에 따라 분류 된 쿠키는 웹 사이트의 기본적인 기능을 수행하는 데 필수적이므로 브라우저에 저장됩니다. 또한이 웹 사이트의 사용 방식을 분석하고 이해하는 데 도움이되는 제 3 자 쿠키를 사용합니다. 이 쿠키는 귀하의 동의하에 만 브라우저에 저장됩니다. 이러한 쿠키를 거부 할 수도 있습니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다.

더 중요하게, 긴 Hui는 전체적인 세트를 건설했습니다.Multicentrism Cross-Quality 제어 시스템각 배치는 다른 삼극에서 병리학 전문가의 특정 비율에 의해 무작위로 선정됩니다, 독립 맹렬한 검토를 수행하는 것은 Kappa 가치 (소비자 요인)를 산출하기 위하여. 0.8 이하 Kappa의 상표를 위해, 두 번째 검토 및 토론은 합의가 도달될 때까지 개시됩니다. 나는 Longfei 자료 세트의 전반적인 표가 기업 내의 주요한 수준인 0.89이다는 것을 이해합니다.

힘 4: 다차원 상표 - 분자에 모양에서 입체 음향 구조

오늘날 멀티 그룹 통합이 추세이며 데이터 세트의 크기는 연구 값에 의해 직접 결정됩니다. Longway의 PATHOLOGY-WSI 데이터 세트는 기존 HeE 염료뿐만 아니라 면역 (IHC), 특수 염료 및 분자 병리학에 대한 다차원 정보를 포함합니다.

이 웹 사이트는 귀하가 웹 사이트를 탐색하는 동안 귀하의 경험을 향상시키기 위해 쿠키를 사용합니다. 이 쿠키들 중에서 필요에 따라 분류 된 쿠키는 웹 사이트의 기본적인 기능을 수행하는 데 필수적이므로 브라우저에 저장됩니다. 또한이 웹 사이트의 사용 방식을 분석하고 이해하는 데 도움이되는 제 3 자 쿠키를 사용합니다. 이 쿠키는 귀하의 동의하에 만 브라우저에 저장됩니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다.

Advantage 5: 품질 관리 시스템 - 전체 공정에 대한 표준화 된 데이터 품질 관리

데이터 품질은 데이터 세트의 수명입니다. Long Hyeitech는 전체 공정 "데이터 취득 데이터 라벨링 품질 검토 데이터 항목"을 덮는 표준화 된 품질 관리 시스템을 설치했습니다. 데이터 수집 포인트, 스캔 장비, 스캔 매개 변수, 염료 품질, 일관성 및 이미지의 적합성 엄격하게 제어됩니다. 데이터 de-sensitization, 엄격한 환자 개인 정보 보호 규범이 따라되고 데이터 보안 준수는 "데이터 검사"의 자동화 된 품질 관리에 대해 보장됩니다. "데이터 품질 관리"는 "데이터 관리"의 품질 관리에 대한 품질 관리 원칙을 준수합니다.

또한, 루앙 후아는 자동으로 슬라이스 (예 : 퓨지, 접히기, 거품, 염색)의 질량을 감지하는 AI 보조 질량 제어 시스템을 도입하여 불충분 또는 비대기 경계와 지역을 자동으로 식별하고, 요청 설명서 검토를 확인합니다. 이 "human-coherent"품질 관리 모델은 품질 및 효율성을 보장하는 대형 데이터 생산에 필요한 선택입니다.

고품질 데이터 세트는 임상 응용 프로그램을 통해 궁극적으로 평가됩니다. PATHOLOGY-WSI 데이터 세트의 지원을 기반으로 병리학 AI는 여러 가지 차원에서 임상 공정으로 이동하고, 병리학, 클리닉 및 환자의 실제 가치를 창출합니다.

• Scenario 하나 : 병리 AAA 보조 진단 - 두 번째 눈은 진단의 효율성과 품질을 향상

  팡 케이블 데이터 세트 훈련을 기반으로하는 AIS 모델은 30 + 기관, 200 + 질병을위한 자동화 된 예비 심사 및 진단 조언을 허용하고 병리 지역을 신속하게 파악하고 진단 범위를 줄이고 진단의 효율성을 향상시킵니다. 실제 워크플로에서 AI는 병원 학자의 "두 번째 눈"으로 작동 할 수 있으며, 먼저 신속하게 스캔하고 전체 슬라이딩을 등급을 매겨 의심스러운 지역과 초점 영역을 표시하고, 그 후 검토하고 결국 진단 된 경로를 통해 진단합니다. 이 모델은 환자의 효율성이 30 % 증가하는 동안 30 %의 누설률을 감소시킵니다.

• Scenario 2 : 암 세포 정밀도 검출 및 양적 분석 -- "양적"에서 "양적"

  이 연구는 연구에 따르면, 연구는 연구에 따르면, 연구의 연구는 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구는 연구에 따르면, 연구 및 개발의 연구는 연구에 따르면, 연구 및 개발의 연구는 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구는 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구는 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구는 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구 및 개발의 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구 및 개발의 연구 및 개발의 연구 및 개발의 연구 및 개발의 연구에 따르면, 연구 및 개발의 발전에 따르면, 연구 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발의 발전에 따르면, 연구 및 개발 및 개발 및 개발 및 개발

• Scenario III: 종양의 자동화 - 표준화된 병리학 보고의 코너스톤

  종양의 분류는 환자의 사전 포스트 평가 및 치료 옵션에 직접 영향을 미치는 병리 진단의 핵심 요소입니다. 그러나 병원과 병원 사이에 분류의 해석에 종종 일부 주제적 차이가 있습니다. 랭키 데이터 세트 (표준 TBSTC / TNM 단계 라벨 포함)에 따라 AI 모델은 환자의 차이를 효과적으로 감소시키고 진단에 일관성을 향상시킵니다.

• Scenario IV : "prejudice"값 에스컬레이션에 "diagnosis"에서 "prejudice"로 임신 및 위험 계층 --

  , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

• Scenario 5 : 멀티 그룹과 정밀 의학의 통합 - 형태 - 통합 분자 진단의 미래

  随着精准医疗的深入推进，形态学诊断与分子병원소개诊断的融合已经되기必然趋势。랑후이PATHOLOGY-WSI데이터셋的"形态学+分子병원소개"配对데이터结构，为多组学融合AI的研发提供了关键支撑。基于这些데이터훈련的AI모델，可以直接从常규HE染色切片中预测关键基因的突变状态、表达谱特征甚至免疫治疗响应性。这种能力在以下뚱 베어中尤为重要：一是在基因检测不可及的基层의료기관，AI可以提供低成本的分子分型初筛；二是在活检组织量不足、无법进行基因检测的情况下，AI可以从有限的形态学信息中挖掘分子特征；三是在肿瘤异质性评估中，AI可以提供空间层面的分子特征分布信息，补充单点基因检测的不足。

루앙희 PATHOLOGY-WSI 데이터 세트의 중요성은 상업적 수준보다 훨씬 뛰어나고 사회적 및 산업 가치는 심층적 토론의 가치가 더 많습니다. 의료 주식 및 기본 병리의 건설에 대한 장기적인 우려의 활성 실무자로, 이 데이터 세트의 사회적 가치를 여러 가지 방법으로 반영합니다.

Value One: 건강 관리에 대한 평등 - 잔디 뿌리 수준에서 최고 수준의 병리 진단 서비스에 대한 액세스를 제공합니다

중국 의학 협회의 병리 장에 따르면, 개발 국가의 모든 수준의 약 15,000 경로를 갖는 경로를 갖는 경로를 갖는 연구원이 개발 한 국가의 수준 아래에서 100,000 인구 당 약 1,07 인구 당 의 경로를 갖는 것이 있습니다. 또한, 병리학은 큰 도시와 병원에서 매우 집중되고, 차 수준에서 병리학은 특히 약합니다. 많은 카운티 병원은 병리 섹션에서 2-3 의사가 있으며, 하위 특수성은 거의 빈번한 질병과 질병의 매우 위험합니다.

이 웹 사이트는 귀하가 웹 사이트를 탐색하는 동안 귀하의 경험을 향상시키기 위해 쿠키를 사용합니다. 이 쿠키들 중에서 필요에 따라 분류 된 쿠키는 웹 사이트의 기본적인 기능을 수행하는 데 필수적이므로 브라우저에 저장됩니다. 또한이 웹 사이트의 사용 방식을 분석하고 이해하는 데 도움이되는 제 3 자 쿠키를 사용합니다. 이 쿠키는 귀하의 동의하에 만 브라우저에 저장됩니다. 이러한 쿠키를 거부 할 수도 있습니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다.

Value 2: 진단 효율 증가 - 경로를 연구원의 부족에 구조적 금전을 mitigating

연구원의 부족은 특히 중국에서 글로벌 문제입니다. 정밀 의학은 병리 증가를위한 임상 수요를 개발하고 있으며 병리학의 워크로드가 폭발적으로 증가하지만 병리학의 성장은 적어도 10 년이 의료 학교에서 독립적으로 수행 할 수 있으며, 작업 매력은 충분하며, 재능 간격의 지속적인 폭 넓은 결과로 발생합니다.

AI 보조 진단은이 피임약을 완화하는 중요한 방법입니다. AI 시스템은 Longway 데이터 세트의 훈련을 기반으로 한, 반복적 인, 표준화 된 작업의 큰 수를 착수 할 수 있습니다. 기존의 슬라이스, 셀 수, 면역 점수 및 중력적 인 영역의 매핑과 같은 기존의 슬라이스, 세포 조사, 면역 점수의 초기 심사와 같은 다양한 과정을 통해 무거운, 반복적 인 작업에서 무료 병리학을 통해 복잡한 사례의 진단 및 연구에 더 많은 노력을 기울일 수 있습니다.

Value III: 의료비 절감 — 정확한 진단에서 건강의 경제적 이점

예를 들어, 예를 들어, EGFR과 같은 중요한 유전자의 돌연변이가 AI에 의해 EE 슬라이스에서 정확하게 예측할 수 있다면, 유전 테스트의 대상 인구는 약 40 % 감소 할 수 있으며, 검출 비용의 직접 절감. 더 중요하게, 정밀 스티칭 및 prognosis는 가장 적합한 치료의 임상 선택, 효과적인 치료 및 과중을 피하는, 환자의 개인 건강 및 건강 시스템에 대한 중요한 절감 될 수 있습니다.

또한, AI 보조 초기 검사 및 조기 진단은 암의 조기 탐지의 속도를 크게 증가 할 수 있습니다. 예를 들어, 위암의 경우, 조기 암의 5 년 생존율은 90 %를 초과하며, 5 년 후반 위장 암의 생존율은 30 % 미만입니다.

Value IV: 전체 산업 업그레이드 - 데이터 중심의 병리

이 연구는 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발 및 개발, 연구 및 개발 및 개발, 연구 및 개발 및 개발 및 개발, 연구 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발, 연구 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발.

그것은 높은 품질의 국가 병리 데이터 세트는 "전세계"고철 네트워크의 가치를 가지고 인프라, 단일 기업 또는 병원뿐만 아니라, 또한 업계 전반에 걸쳐 가속기 및 촉매에 대한 인프라,뿐만 아니라, "전세계"고급 네트워크의 가치를 가지고 있다고 말할 수 있습니다.

2026년 현재를 보면서, 경로를 통해 AI는 "인터내셔널 매칭"에서 "인터내셔널 매칭"으로 10년 후 지났습니다. 향후 3년에서 5년 전을 보았는데, 경로를 통해 인공지능이 끊어지게 되고, 병리적 패러다임이 바뀌게 되었습니다.