Nuclei.io使病理学家能够快速创建多样化的数据集和模型，用于多种临床关键应用。为了验证该框架的有效性，该项目研究人员采用病理学家与人工智能协作的方法进行了两项交叉用户研究。在这两项研究中，人工智能的使用在病理诊断的敏感性、确定性和效率方面均显著提升。项目的研究结果验证了所提出的人工智能参与框架，并表明病理学家与人工智能的合作有望革新数字病理学，从而最终提高质量、效率并降低成本。
项目的一个主要目标是设计人机界面，以最大化临床医生与人工智能的协作能力。能够高效地调整人工智能是解决许多实际临床问题的关键。在nuclei的帮助下，病理学家检测浆细胞的敏感性提高了一倍，同时在寻找淋巴结转移方面也提高了准确性并节省了20%的时间。
项目由Zhi Huang和Thomas Montine领导，以及许多来自斯坦福的病理学合作伙伴共同完成👍👍
A pathologist–AI collaboration framework for enhancing diagnostic accuracies and efficiencies
项目论文：A pathologist–AI collaboration framework for enhancing diagnostic accuracies and efficiencies, paper PDF Online preview
项目Open Source on GitHub：nuclei.io: Human-in-the-loop active learning framework for pathology image analysis