消除病理学中的主体性

安捷伦科技公司最近发布的Dako污渍图集的在线版本，作为污渍使用和解释的参考工具。新的交互式版本的地图集增强了其作为参考的有用性，并将其应用扩展到病理学家的教育和培训中。学员可以查看和注释幻灯片图像，该工具可以评估学员是否准确判断污渍。该工具还可作为经验丰富的病理学家的参考指南，为一致的评估提供框架。

所有这些都是必要的，因为一百万个不同因素中的任何一个都可以影响染色的强度、颜色、与细胞的结合以及在显微镜下的外观。通过训练和经验，病理学家学会适应这些变化，但染色可变性是当今病理学特有的主观性的一个小例子。而且，虽然主观性不一定与准确性有关，但观察结果越主观，它就越不可能准确。

病理学家甚至不像谈论一致性那样谈论准确性——病理学家检查特定玻片所提供的诊断之间有多少一致。例如，把同样的手术组织切片给100个病理学家，只有75个病理学家会同意诊断。另一方面，乳房组织样本的一致性在90%到99%之间。

以下是使病理学成为主观医学科学的许多因素中的一些:

染色的可变性。因为染色是一个化学过程，所以它会受到化学过程中各种因素的影响——水中的污染物、温度的变化、不同批次化学品化学成分的差异、搅拌的速度或方法的不同。所有这些都会导致污渍外观的不同。来自不同实验室、同一实验室不同人员、甚至同一人处理的不同批次的污渍会呈现不同的外观。实验室处理这一问题的方法是在每一批样品中加入具有已知特征的参考载玻片，为病理学家在解释结果时提供参考点。病理学家在进行评估时也学会了补偿变异。

样本的性质。就其本质而言，组织样本只是整体的一小部分。一个组织在整个组织中均匀地表现出某一特定特征是很少见的。

涉及到的亚专业。例如，外科组织的一致性很差，因为域的宽度太大了。在评估一个普通的手术载玻片时，实际上有数百万个因素可能涉及。相比之下，评估乳房组织是一个更专注的领域，这意味着需要考虑的因素更少。

人就是人。人是有自然变异的。他们有不同程度的才能和经验。他们注意到不同的东西。他们对什么是重要的有不同的看法。他们也有糟糕的时候。他们会分心。他们会犯错。所有这些导致病理学家评估特定组织切片的方式有自然的可变性。

数字病理学通常被认为是一种消除分析组织样本的主观性并提供临床有用诊断的方法。这种“计算机辅助病理学”为病理学家解释组织切片中的发现提供了可量化的和一致的基础。这可以通过以下几种方式来实现:

图像归一化。病理图像的数字处理使调整图像成为可能，以解释组织的过染色或过染色。这为病理学家和最重要的计算机检查载玻片提供了一致的参考。

算法的一致性。把同样的组织样本交给六位病理学家，让他们确定符合给定标准的细胞的百分比，你会得到六种不同的估计。计算机比人类更擅长于精确地计算大量物品的数量。让算法来确定相同的百分比，它每次都会给你相同的答案。这种一致性确保了更大的可预测性。

第二个观点。一旦图像被数字病理系统捕获，它可以很容易地与世界上任何地方的其他病理学家共享。虽然物理幻灯片很难共享，但幻灯片图像很容易共享。这在两个方面降低了主观性。首先，更容易找到合适的病理学家来检查。研究表明，在特定组织中，专家之间的一致性比一般病理学家之间的一致性更大。其次，它变得更容易与多个病理学家分享。如果两个或两个以上的病理学家给出相同的意见，就会增加做出正确诊断的信心。或者，相反，如果有不同的意见，这就增加了需要进行更多调查的信心，避免了不必要的临床干预。

外部数据的集成。病理学在很大程度上依赖于组织中可见的事实，作为确定诊断的唯一因素。计算机辅助病理学或计算病理学能够将幻灯片图像与患者病史、DNA测序和其他分子检测的信息整合起来，为病理学家提供关于组织中发生的事情的更完整的图像。

病理学将永远是一个高度主观的医学专业，但我们从等式中去除的主观性越多，我们就越能在正确诊断上获得更大的一致性，并最终获得更好的患者结果。数字病理学，其图像处理技术的使用，提供了第一步，使用计算机为病理学家提供一个更客观的组织评估。计算病理学，通过整合来自不同来源的信息与数字图像，并结合机器学习和人工智能技术，有望消除不确定性。