病理全切片AI弱监督识别：从千兆像素到病灶定位

病理全切片图像（WSI）通常以千兆像素级存储，临床仅有切片级诊断标签，像素级标注成本高且依赖资深病理医师，是医疗AI落地的现实瓶颈。实验室近期围绕弱监督多示例学习（MIL）开展实验性探索，尝试在不依赖像素级标注的前提下完成癌变区域定位与分级辅助。
阶段性进展：

• 在公开胃肠病理数据集上，基于注意力的MIL框架完成良恶性二分类，切片级AUC达0.93；注意力热图与医师勾画病灶的重叠率约78%，具备定位参考价值。
• 针对千兆像素图像的算力压力，采用两级筛选策略：低倍率先筛除阴性区域，再对候选区域高倍率细读，单切片推理时间由约42秒降至11秒。

下一步，团队将引入半监督一致性正则与多中心数据，验证模型在染色风格差异下的稳健性，并与协作医院推进脱敏数据合作，评估其在阅片辅助场景中的可用性。相关结论目前均基于回顾性数据，前瞻性验证将按阶段推进。