2.3病理检查
在数字化病理学中，人工智能技术已应用于各种图像处理和判别任务中，包括侧重于对象识别问题的低级任务及更高级别的任务。随着数字化载玻片扫描技术在组织病理学实验室中应用的增多，数字化整体图像将逐步取代常规病理学工作中的载玻片，使用基于WSIS的深度学习系统可对组织进行识别，并对数据进行提取分析。人工智能系统能通过分析组织形状以确定组织图像的分化程度，通过分析淋巴细胞密度，肿瘤基质组成和核等指标，得到有用的预后数据。由于肿瘤免疫治疗的成功，近年来肿瘤微环境中的免疫细胞已经获得了大量的关注。因此，使用人工智能技术对肿瘤浸润免疫细胞进行定量分析成了数字组织病理学图像分析中的新兴主题之一。
3、人工智能在医学领域的应用[3]
1995年美国的HurleyMyers团队研发出Dxrcli-nician教学软件，该软件用人工智能技术训练学生的临床思维；我国在2009年引入该教学软件，但并未大规模投入使用；2006年人工智能技术中的BP神经网络算法被应用于教学质量监控，替代人工日常教学检测；2011年自适应教育平台Knewton与培生教育集团合作，通过提取学生的学习数据，提供个性化学习服务；上述应用说明，人工智能技术已经逐渐应用在高等教育领域。在我国，智能教育刚刚起步，人工智能技术在高等医学教育中的应用前景非常广泛。
3.1基于大数据的医学教育质量监测与评估
完善的教学质量监测与评估是提高教学质量的保障，基于大数据的教学质量监测与评估可以在日常教学过程中实时进行。通过分析大量的反馈信息进行阶段性与结果性评估，从而严格把控教学质量，以便为培养优秀的医疗人才提供保障。高等医学教育具有课程多、学制长、实践性强、专业综合化等特点。
大量的反馈信息有利于教学评估的常态化与全面化，将人工智能评估和传统师生互动有机结合，解决了学生临床实习地点分散、监控难度大的问题，加强及时调整教学模式和方式的落实。
