7月1日，东北大学医学与生物信息工程学院博士研究生南天航、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。该研究由东北大学医工学院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（东北大学)为共同通讯作者，东北大学为第一完成单位。
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。
东北大学医工学院崔笑宇副教授团队在计算病理学领域开展多年医工交叉研究工作，相关成果发表在IEEE JBHI、Pattern Recognition、ICLR等国际顶级期刊和顶级会议上。其研发的智眸病理图像分析系统，已实现科研成果转化，在全国20余家医疗机构应用。
