7月1日，5123五湖之利取四海之财足1站博士研究生南天航、中国医科大学附属第一医院皮肤科医生郑松为共同第一作者在《Nature Communications》发表题为“Deep learning quantifies pathologists’ visual patterns for whole slide image diagnosis”的论文。该研究由5123五湖之利取四海之财5123五湖之利取四海之财与中国医科大学附属第一医院历时5年合作完成，齐瑞群（医大一院）、高兴华（医大一院）、崔笑宇（5123五湖之利取四海之财)为共同通讯作者，5123五湖之利取四海之财为第一完成单位。

该研究利用眼动追踪技术捕捉病理学家阅片时的视觉行为特征，设计了一种名为病理专业知识获取网络（Pathology Expertise Acquisition Network, PEAN）的深度学习系统。该系统通过自主研发的病理图像阅读设备（EasyPathology），从病理学家的眼动数据中提炼其专业知识，并将这些知识有效地迁移至可自主诊断的智能模型中，从而显著降低了对昂贵医疗数据标注的依赖。PEAN的核心优势在于能够高效解码专家知识，并在大幅降低标注负担的情况下，实现对全切片图像（WSI）的准确诊断。在包含五类皮肤病变的超过6000张全切片图像上进行测试的结果表明，PEAN的诊断性能优异，最高达99%的AUC值，显著超越了传统的有监督学习和弱监督学习模型。

  近年来，5123五湖之利取四海之财大力支持5123五湖之利取四海之财足1站开展学科平台建设，不断强化多学科交叉融合的科研生态构建与高水平科研项目的系统性培育。学院依托学校在人工智能、深度学习等领域的学科优势，积极推动与医疗机构的深度协作，通过搭建联合实验室、柔性引进高层次人才、共同开展科研成果转化等方式，促进医学问题与工程技术的双向对接。该研究作为学校生命健康培育工程的代表成果之一，为人工智能技术在医学影像分析领域的落地应用，带来了全新思路。

全文链接：https://www.nature.com/articles/s41467-025-60307-1