意大利威尼斯大学人工智能辅助甲状腺病理诊断系统开发

由威尼斯大学、米兰比可卡大学、欧洲肿瘤研究所及贝加莫Papa Giovanni XXIII医院组成的跨学科研究团队，共同开发出一款名为 MiThyCA 的人工智能系统，可用于辅助读取甲状腺组织切片的数字图像。该系统能在数秒内自动标注出需要卫生人员优先检查的区域，旨在缩短诊断等待时间，并通过技术赋能，使患者的诊疗过程更加个性化与高效。相关研究成果已发表于权威学术期刊《内分泌病理学》（Endocrine Pathology）。该项目为开源系统，已向科学界公开，其创意获得Anthem基金会支持，并由意大利大学与研究部依据国家补充计划（PNC）提供资金资助。

该研究立足于数字病理学领域，即借助高分辨率扫描仪对石蜡组织切片进行数字化处理，生成可在单细胞级别进行放大观察的“全视野数字切片”。当前诊断面临的首要挑战在于，病理判断依赖多样化的评分标准，以区分恶性肿瘤与其他非侵袭性或低侵袭性病变。为此，研究团队构建了一套双神经网络序列分析系统：第一个神经网络充当“数字显微镜”，专注捕捉细胞层面的细微特征；第二个则作为“全景视角”，统览图像的整体结构与上下文信息。通过融合两种层次的解读，MiThyCA 能够精准定位需优先关注的可疑区域。

此外，数字病理图像通常数据量极大，处理耗时成为实际应用中的一大瓶颈。目前分析每张切片往往需要数分钟，而 MiThyCA 仅需几秒钟即可完成可疑区域的识别，供病理医师进一步审阅。这一高效性能得益于研究团队采用了轻量化且性能优异的机器学习模型，在保证准确率的同时大幅提升了分析速度。

米兰比可卡大学的研究人员解释道：“我们在开发 MiThyCA 时，始终强调两大核心特点：操作简洁性与运算高效性。该算法以序列化方式模拟病理医师的分析逻辑，在几秒内输出结果，从而突破了当前复杂诊断算法在实际应用中的效率限制。”

研究过程中的一项关键难点在于数据来源的差异性。不同医院与实验室使用的扫描设备及制片协议各异，导致图像形态与质量存在较大变异。MiThyCA 通过针对性训练，能够自适应这种多样性，确保在不同环境下均可稳定、可靠地输出分析结果。

威尼斯大学Ca' Foscari环境、信息与统计科学系的生物信息学教授马尔科·萨尔瓦托雷·诺别尔（Marco Salvatore Nobile）表示：“我们开发的这套程序，能在几秒内向病理医师提示切片中需重点查看的区域。诊断的最终决定权仍在于医师——软件仅承担辅助引导的角色。为实现该技术在临床日常工作中的普及，我们特别选用了轻量级模型，使其无需专用硬件即可运行，并充分考虑了不同扫描设备与实验协议带来的图像差异。”

本研究共纳入来自多个医疗中心的73张数字病理切片进行系统测试。结果显示，MiThyCA 在约八至九成切片中准确标出了感兴趣区域，且每张切片的处理时间仅需数秒，图像大小对计算效率未见显著影响。

该研究汇聚了病理学、统计学与信息学领域的多位专家学者，并与多家大学及医院的研究中心紧密协作。值得一提的是，研究还得到了威尼斯Ca’ Foscari大学计算机科学学士莱昂内·巴奇奥（Leone Baccio）的毕业论文支持，其作为共同作者荣获该届科学领域最佳学生奖。目前，团队正致力于在更大规模的病例中验证系统性能，并进一步推动该系统与数字病理工作流程的整合。