在医疗AI实验室的第三阶段实验中，我们把重心放在数字病理的初筛环节：不追求替代病理医师的诊断，而是先把整张切片（WSI）中需要优先阅读的区域找出来，降低漏检风险与阅片疲劳。
流程上，切片扫描后按 20× 与 40× 两级缩放切块，模型输出可疑区域热力图，再经形态学聚合与面积阈值过滤，合并为若干候选框，按恶性概率排序并映射回原切片坐标，供医师跳转查看。为控制假阳性，我们引入两类约束：一是对染色深浅与扫描批次做归一化，减少切片间色差导致的漂移；二是只在候选框置信度与面积同时达标时提交，边界模糊的病例退回常规全片阅读。
进展与数据：
· 在内部回顾性数据集（约 1,200 张切片，含 6 类常见病变）上，病灶级召回率约 0.94，单张切片候选框中位数 7 个，医师平均定位时间由 96 秒降至 41 秒；
· 假阳性仍集中在淋巴滤泡与炎症浸润区域，下一步计划引入相似度检索，把既往复核结论作为参考样本参与排序。
需要说明的是，当前实验定位为辅助初筛，最终诊断仍由病理医师双读与签发；后续将重点验证不同扫描仪与染色批次下的稳定性。
评论