# Patologia cyfrowa: analiza skanów preparatów tkankowych

EN: **Computational pathology on whole-slide images** · id `comppathology` · aliases: digital pathology, computational pathology, whole-slide image analysis, WSI, patologia obliczeniowa

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [AI w medycynie i ochronie zdrowia](https://aiatlasgraph.com/t/healthai.md) › [Analiza obrazów medycznych](https://aiatlasgraph.com/t/medimaging.md) › Patologia cyfrowa: analiza skanów preparatów tkankowych

## Description

- PL: Analiza cyfrowych skanów całych preparatów (WSI): klasyfikacja nowotworów, wykrywanie przerzutów i przewidywanie biomarkerów z obrazu tkanki.
- EN: Analysis of digital whole-slide images (WSI): cancer classification, metastasis detection and biomarker prediction from tissue images.

## In one sentence

- PL: Program analizuje zeskanowane w ogromnej rozdzielczości szkiełka z wycinkami tkanki i pomaga ocenić, czy jest tam nowotwór i jaki.
- EN: Software that analyses huge, high-resolution scans of tissue slides and helps judge whether a cancer is there and what kind.

## Problem it solves

- PL: Patologów jest mało, a jeden preparat to miliardy pikseli; przejrzenie go pod mikroskopem kawałek po kawałku zajmuje dużo czasu.
- EN: Pathologists are scarce and one slide holds billions of pixels; checking it piece by piece under a microscope takes a long time.

## What it does

- PL: Kroi skan na tysiące małych kafelków, ocenia każdy z osobna, a potem składa wnioski w jedną ocenę całego preparatu, jak mozaikę.
- EN: Cuts the scan into thousands of small tiles, scores each one, then assembles the findings into one verdict for the whole slide, like a mosaic.

## Everyday example

- PL: Po biopsji program podświetla patologowi fragmenty wycinka, w których komórki wyglądają na nowotworowe, i proponuje typ zmiany do potwierdzenia.
- EN: After a biopsy, software highlights the parts of the sample where cells look cancerous and suggests a tumour type for the pathologist to confirm.

## This concerns you if you…

- PL: czekasz na wynik biopsji
- PL: pracujesz w laboratorium patomorfologii
- EN: are waiting for a biopsy result
- EN: work in a pathology lab

## Keywords

whole-slide imaging · multiple instance learning · ABMIL · UNI · CONCH · CLAM · stain normalization · H&E · pathology foundation models

## How it works

- PL: Gigapikselowy skan dzieli się na łatki; enkoder, często model bazowy uczony samonadzorowo na milionach łatek, zamienia je w embeddingi. Uczenie wieloinstancyjne z agregacją przez uwagę łączy je w predykcję dla całego preparatu, więc wystarcza etykieta szkiełka zamiast obrysów.
- EN: The gigapixel scan is split into patches; an encoder, often a self-supervised foundation model trained on millions of patches, turns them into embeddings. Attention-based multiple-instance learning pools them into a slide-level prediction, so a slide label suffices instead of outlines.

## Limits

- PL: Barwienie i skanery różnią się między laboratoriami, co utrudnia przenoszenie modeli. Skany zajmują ogromne ilości pamięci. Etykiety na poziomie preparatu są słabe, a mapy uwagi nie zawsze wskazują rzeczywiste cechy diagnostyczne.
- EN: Staining and scanners differ between labs, which hampers transfer. Scans take enormous storage. Slide-level labels are weak, and attention maps do not always point to real diagnostic features.

## Key terms

- PL: **WSI**: Skan całego szkiełka z tkanką w bardzo wysokiej rozdzielczości.
- PL: **uczenie wieloinstancyjne**: Nauka z jedną etykietą dla całego zbioru kafelków, nie dla każdego.
- PL: **barwienie H&E**: Standardowe barwienie tkanek, od którego zależy wygląd skanu.
- EN: **WSI**: A very high-resolution scan of a whole tissue slide.
- EN: **multiple-instance learning**: Learning from one label for a whole bag of tiles, not each tile.
- EN: **H&E staining**: The standard tissue stain that shapes how a scan looks.

## Know first

- [Samonadzorowane uczenie z obrazów (Self-supervised visual pretraining)](https://aiatlasgraph.com/t/visionssl.md)
- [Klasyfikacja obrazów (Image classification)](https://aiatlasgraph.com/t/imageclassification.md)

## Subtopics (2 direct, 2 in total)

- [Modele bazowe w patologii (Pathology foundation models)](https://aiatlasgraph.com/t/pathologyfm.md): Tile and slide encoders pretrained self-supervised on millions of histopathology images, used as general feature extractors for pathology tasks.
- [Uczenie z etykiety całego preparatu (wiele instancji) (Multiple instance learning for whole-slide images)](https://aiatlasgraph.com/t/pathologymil.md): Weakly supervised learning in which a slide is a bag of tiles with one label, and attention pooling combines tile features into a slide-level prediction.

## Sources

- [A General-Purpose Self-Supervised Model for Computational Pathology (UNI)](<https://arxiv.org/abs/2308.15474>) `uni-pathology-2023` · by Richard J. Chen, Tong Ding, Ming Y. Lu i in. (Mahmood Lab)

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/comppathology · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30