在近期关于计算病理学的探讨中，多位专家强调了人工智能技术与多模态数据整合对优化工作流程及提升临床决策的重要性。健康创新公司Biwako创始人兼首席执行官玛丽·布雷韦指出，计算算法通过整合全流程数据，能够支持病例分诊、平衡工作量，并实现实验室流程的实时监控与质量控制。

布雷韦以皮肤病理学为例说明：“在皮肤病理学中的一个例子是使用算法，这些算法不仅能预测黑色素瘤或癌的可能性，还能优先处理最紧急的病例。”她进一步表示，自然语言处理技术可数字化申请表格并辅助生成报告，大型语言模型有助于节省时间并减少转录错误。关于新兴的代理式人工智能，她评论道：“虽然这可能既令人畏惧又令人着迷，但代理式AI比许多人想象的更近。”这类系统能自主决策与执行，例如识别并解决实验室工作流中的瓶颈。

日内瓦大学医院精准肿瘤服务负责人奥利维耶·米希林教授阐述了多模态方法在分子肿瘤委员会中的应用价值。通过整合临床、多组学、数字病理学与放射组学等多维度数据，可为治疗决策提供更精准的信息支持。米希林表示：“这可能为患者带来巨大的益处。这仍然有点像梦想……但我们正在实现它。”他所在的团队已参与建立瑞士个性化肿瘤学网络，致力于利用空间生物标志物等数据纵向跟踪患者，以优化治疗策略。

此外，摩德纳和雷焦艾米利亚大学的阿尔比诺·埃克尔教授探讨了数字孪生技术在精准医学中的潜力，而卡罗林斯卡学院的约翰·哈特曼教授则分析了计算病理学在临床试验中自动生物标志物鉴定、肿瘤微环境分析等方面的作用。这些进展共同表明，通过深度融合人工智能与多源数据，病理学与肿瘤诊疗正朝着更高效、个性化的方向发展。