Najnowsze trendy i zmiany paradygmatów w branży patologii cyfrowej

W odpowiedzi na coraz szerszą akceptację sztucznej inteligencji trendy w branży patologii cyfrowej zaczynają się zmieniać.

1. Firmy zajmujące się analizą obrazu porzucają klasyczne metody i manualnie dopasowywane algorytmy analizy obrazu i zmieniają je na metody uczenia głębokiego. Integrują je w istniejące systemy komputerowe za pomocą otwartego interfejsu programistycznego (ang. application programming interface, API) i umożliwiają integrację oraz użytkowanie z zakupionym już oprogramowaniem lub tworzą nowe, niezależne programy.
2. Coraz więcej firm dostarcza oprogramowanie jako usługę (ang. software as a service, Saas) zamiast tradycyjnego oprogramowania instalowanego na komputerze. Aby umożliwić użytkownikom, którzy nie dysponują wystarczającą mocą obliczeniową w swoich laboratoriach, efektywne korzystanie z modeli uczenia głębokiego, firmy oferują możliwość analizy obrazu i przetwarzania danych w chmurze oraz interfejsy użytkownika, do których można uzyskać dostęp przez przeglądarkę internetową.
3. Jeszcze do niedawna sprzedawcy oprogramowania do analizy obrazów preparatów mikroskopowych projektowali systemy zamknięte, analizujące dane za patologów i niedające im możliwości wpływu na przebieg analizy. Teraz podejście się zmieniło i nowe programy mają na celu wspomaganie patologów oraz naukowców w podejmowaniu decyzji opartych na danych pochodzących z obrazu, a nie wyręczanie ich z ich zadań. Daje im to o wiele większą kontrolę nad procesem diagnostycznym, gdyż mogą oni zaakceptować lub odrzucić sugestie oprogramowania. Ostatecznie to patolog jest odpowiedzialny za stawianą diagnozę, niezależnie, czy miał pomoc ze strony oprogramowania, czy nie.
4. Oprogramowania do patologii cyfrowej i analizy obrazu stają się coraz bardziej przyjazne dla użytkownika.

Integracja uczenia głębokiego

Nie jest tajemnicą, że oprogramowanie do klasycznej analizy obrazu, niezależnie, czy o otwartym kodzie źródłowym (ang. open source), czy dostępne komercyjnie, nie jest zbyt przyjazne dla użytkownika. Wielopoziomowe rozwijane menu w interfejsie użytkownika nie jest intuicyjne i aby dostać się do pojedynczej funkcji programu, trzeba często rozwinąć kilka z nich z rzędu.

Nauka posługiwania się takim programem jest żmudna i długotrwała, i jeśli program nie jest używany dostatecznie często, umiejętność jego używania szybko zanika. Hierarchiczne, rozwijane menu to cena, jaką płaci się za udostępnianie skomplikowanych funkcji analizy obrazu użytkownikom, którzy nie posiadają umiejętności programowania komputerowego. Im więcej opcji jest dostępnych dla użytkownika, tym mniej przejrzysty staje się interfejs programu.

Jakby samo użytkowanie programu nie było dostatecznie skomplikowane, użytkownik musi dodatkowo ręcznie wybrać i dopasować parametry, na podstawie których ma być oparta analiza. Ponadto ręczny wybór parametrów ogranicza i nie sprawdza się, jeśli np. barwienie preparatów nie jest jednorodne lub też gdy w grę wchodzą inne zmienne (grubość preparatu, kontrast barwienia, stosunek sygnału do tła w przypadku immunohistochemii itp.).