在医疗AI实验室的病理方向，我们近期完成了一轮低倍镜全切片初筛的实验性验证。目标不是替代病理医生诊断，而是把每张切片中少数可疑区域先挑出来，减少医生在高倍镜下的重复扫查负担。
实验将20倍扫描图像降采样至低倍视野，先用组织分割排除空白与褶皱，再以滑动窗口输出可疑度热图，按阈值聚成候选区域并排序。为控制误报，我们加入两级过滤：一级基于染色与形态一致性剔除明显伪影，二级用医生回顾性标注的阴性区域做难负样本挖掘。
进展：在480张回顾性切片上，候选区域排序前5的召回率约0.93，单张切片平均候选框从60余个降至12个左右；但墨水标注与刀痕仍会带来固定误报。
下一步计划：加入多尺度特征融合，并将医生报告中“未见明确异常”作为弱标签参与训练，观察误报率能否进一步下降。
评论