斯图尔特·J·施尼特（Stuart J. Schnitt）博士在接受《靶向肿瘤学》采访时表示，人工智能（AI）有可能通过提高准确性、效率和工作流程来彻底改变癌症诊断，同时还能处理繁琐的任务。然而，其采用将取决于各个机构和技术的可及性。
“我不认为AI会取代病理学家或肿瘤学家，但它将是病理学家用来帮助他们做出更好、更准确诊断的下一项新技术，”施尼特说。那些拥抱AI的临床医生将在技术不断进步的同时确保更好的患者结果。
施尼特是丹娜-法伯布里格姆癌症中心乳腺肿瘤病理学主任，丹娜-法伯癌症研究所/布里格姆妇女医院乳腺肿瘤项目副主任，布里格姆癌症中心和妇女医院高级病理学家，哈佛医学院病理学教授。
《靶向肿瘤学》：人工智能增强的诊断将如何改变癌症检测的速度和精度？
斯图尔特·J·施尼特博士：国际上可能存在着病理学家短缺的问题，几年前的一项调查显示，北美地区的病理学家数量在过去几年中大幅下降。我们所有人都工作过重，负担过重。病例变得越来越复杂，对我们要提供的信息期望越来越高。我认为应用于诊断病理学的AI可以做很多事情。它可以改善工作流程并减少诊断周转时间。它可以在很多方面平衡竞争环境，提高诊断的准确性和观察者间的重现性。
理论上，AI可以将经验较少的人提升到更高的水平，提供一种辅助的方式来查看病例。AI还可以用作病理学中的第二次阅读或质量保证功能，这样在病理学家以常规方式查看他们的切片后，可以运行AI算法以确保没有遗漏重要的临床信息。
此外，AI可以做一些我们作为病理学家不喜欢做、做得不好或者非常耗时的事情。例如，我不知道有任何病理学家每天上班都兴奋地要查看大量的淋巴结是否有肿瘤。如果AI算法能够筛选淋巴结并识别出可能有肿瘤的那些，这可以节省大量时间并且更加准确。
对我来说，最引人入胜的是有一些AI算法，而且我认为它们会变得更加复杂，能够做人类不可能做到的事情。它们可以解释特征并将这些特征与其他信息集成起来，这是人类无法做到的。因此，AI在病理学中有许多用途，特别是在肿瘤病理学中。
AI驱动的预测模型如何影响个性化治疗决策，以及在实践中使用这些模型的挑战是什么？
在病理学中使用AI的主要挑战是必须在数字化切片上进行。不幸的是，在美国，完全数字化并将玻璃切片转换为数字化切片的机构并不多。根据我的经验，欧洲有更多的机构这样做，而美国只有少数几个病理部门实现了完全数字化。一些部门部分数字化，有些则完全没有数字化能力。在我看来，所有这些的最大障碍是拥有数字化切片。一旦有了数字化切片，就可以应用这些算法。
个性化医疗的时代已经存在了相当长一段时间，我们试图根据患者的特定诊断来定制治疗方案。AI可以帮助首先确保诊断正确，因为如果诊断错误，就不可能得到正确的治疗。此外，还有一些AI算法可以提供预后甚至预测信息，这是病理学家仅通过查看切片无法提供的。
例如，我们最近进行了一项研究，使用AI算法来观察接受新辅助化疗后仍有残留病灶的乳腺癌患者的组织微环境。我们通常通过所谓的RCB（残余肿瘤负荷评分）来评估这些病例的预后，该评分是由德克萨斯大学MD安德森癌症中心的人开发的。我们将这种AI算法与RCB进行了比较，发现AI算法在预测结果方面优于RCB，而RCB并没有为此算法增加任何价值。
如果这种方法成为标准护理，这可能会为接受新辅助化疗后的患者提供一种新的预后评估方法。当然，这只是初步研究，需要在其他队列中进行验证，但像这样的事情可以提供病理学家仅通过查看切片无法提供的信息。
在未来5到10年内，您认为由AI驱动的实时基因组和分子谱分析是否会重塑治疗范式？
最终目标是拥有能够整合所有信息——临床信息、组织病理学、分子和遗传学发现以及放射学发现——以提供综合预后和预测治疗反应的AI算法。我认为这还很遥远。
短期内，病理学AI算法可以做的是一些优先级排序、常规诊断问题、质量保证以及提供低资源环境中无法获得的信息。例如，对于乳腺癌，我们通常会进行雌激素受体、孕激素受体和HER2的免疫组化染色。在一些低资源国家，这是无法做到的，但有一些很好的AI算法可以从常规苏木精和伊红染色切片中预测受体状态。如果可以将切片数字化，那么即使不进行染色，也可以评估这些受体谱型。
病理学家和肿瘤学家如何开始在其实践中使用这些类型的AI？
现在，许多临床医生使用类似于ChatGPT的AI算法来生成患者就诊后的笔记。因此，我认为这将会变得更加普遍。但重要的是，无论是在私人诊所、社区还是学术实践中，临床医生都需要了解这项技术的用途和局限性。
从我的角度来看，我已经经历了许多被吹捧为最新和最好的病理学新技术，据说这些技术将取代我们之前所做的一切。20世纪60年代是电子显微镜，70年代和80年代是免疫组化，90年代和2000年代是分子分析，而现在2020年代是AI。所有这些引入病理学的新技术都被认为是革命性的，改变了我们的工作方式。我认为它们确实如此，但它们并没有取代病理学家，我认为AI也不会取代病理学家或肿瘤学家，但它将是病理学家用来帮助他们做出更好、更准确诊断的下一项新技术。我总是告诉人们，病理学家不会被AI取代，但使用AI的病理学家可能会取代不使用AI的病理学家。
(全文结束)
