The review presents key concepts and global developments in the field of artificial intelligence used in pathological anatomy. The work examines two types of artificial intelligence (AI): weak and strong ones. A review of experimental algorithms using both deep machine learning and computer vision technologies to work with WSI images of preparations, diagnose and make a prognosis for various malignant neoplasms is carried out. It has been established that weak artificial intelligence at this stage of development of computer (digital) pathological anatomy shows significantly better results in speeding up and refining diagnostic procedures than strong artificial intelligence having signs of general intelligence. The article also discusses three options for the further development of AI assistants for pathologists based on the technologies of large language models (strong AI) ChatGPT (PathAsst), Flan-PaLM2 and LIMA. As a result of the analysis of the literature, key problems in the field were identified: the equipment of pathology institutions, the lack of experts in training neural networks, the lack of strict criteria for the clinical viability of AI diagnostic technologies.
В обзоре представлены ключевые концепции и мировые разработки в области искусственного интеллекта (ИИ), применяемые в патологической анатомии. В работе рассматривается два типа ИИ: слабый и сильный. Проведен обзор экспериментальных алгоритмов, использующих как глубокое машинное обучение, так и технологии компьютерного зрения для работы с WSI-изображениями препаратов, диагностики и определения прогноза различных злокачественных новообразований. Установлено, что слабый ИИ на данном этапе развития компьютерной (цифровой) патологической анатомии значительно лучше ускоряет и уточняет диагностические процедуры, нежели сильный ИИ, обладающий признаками общего интеллекта. В статье также рассматриваются три варианта дальнейшего развития ИИ-помощников врача-патологоанатома на базе технологий больших языковых моделей ChatGPT (PathAsst), Flan-PaLM2 и LIMA. В результате анализа литературы выявлены ключевые проблемы области: оснащенность учреждений, недостаток экспертов по обучению нейросетей, отсутствие строгих критериев клинической состоятельности технологий ИИ-диагностики.
Keywords: AI pathologist’s assistant; WSI analysis; artificial intelligence; deep machine learning; neural networks; pathological anatomy.