在医疗AI实验室，我们近期把病理全切片图像（WSI）的初筛拆成三个可验证环节：组织区域分割、可疑ROI定位、分级复核队列。先用轻量分割模型剔除空白、黏液和气泡区域，降低无效计算；再对组织块按20倍视野分块推理，输出热力图与候选ROI坐标；最后按风险分进入不同复核队列，高置信度阴性仅作前置提示，不改变医生签发病理报告的流程。
阶段性进展：在内部回顾性宫颈细胞学与胃活检切片上，该流程将单张切片的无效分块计算量降低约四成，候选ROI在复核清单中的命中率稳定在可接受区间。更重要的不是单点精度，而是把模型建议映射为医生可快速确认或否决的复核任务。
下一步计划：一是加入染色差异与扫描仪差异的域适应训练；二是对低置信度区域输出不确定性估计，避免把边界病例硬推向阴性；三是与病理科共同定义复核队列的优先级与追溯字段，保证每条建议可回到原坐标和模型版本。
评论