{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5432820"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5432820","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Η τεχνητή νοημοσύνη στην παθολογική ανατομική του δέρματος: μία επαναστατική αλλαγή ή ένα συμπληρωματικό εργαλείο;","abstract":"Η τεχνητή νοημοσύνη επηρεάζει ολοένα και περισσότερο τη διαγνωστική παθολογική ανατομική, κυρίως μέσω της ανάπτυξης της ψηφιακής παθολογικής ανατομικής, της απεικόνισης ολόκληρων ιστολογικών τομών και της υπολογιστικής ανάλυσης εικόνας. Η παθολογική ανατομική του δέρματος αποτελεί ιδιαίτερα κατάλληλο πεδίο εφαρμογής, καθώς συνδυάζει μεγάλο αριθμό καθημερινών περιστατικών με σημαντικές διαγνωστικές προκλήσεις, ιδίως στο φάσμα των μελανοκυτταρικών βλαβών. Σκοπός της παρούσας διπλωματικής εργασίας είναι η κριτική αξιολόγηση του σημερινού ρόλου της τεχνητής νοημοσύνης στην παθολογική ανατομική του δέρματος και η διερεύνηση του κατά πόσο αποτελεί ριζική αλλαγή ή κυρίως συμπληρωματικό διαγνωστικό εργαλείο. Πραγματοποιήθηκε ανασκόπηση της διεθνούς βιβλιογραφίας, με έμφαση στις εφαρμογές της τεχνητής νοημοσύνης στην ψηφιακή παθολογική ανατομική, στις μελανοκυτταρικές βλάβες, στους κερατινοκυτταρικούς όγκους, στις σπάνιες δερματικές νεοπλασίες, στην ποσοτική ανάλυση εικόνας, στη ροή εργασίας και στα ηθικά ζητήματα. Τα διαθέσιμα δεδομένα δείχνουν ότι η τεχνητή νοημοσύνη μπορεί να επιτύχει αξιόλογη απόδοση σε επιλεγμένες εργασίες, όπως η αναγνώριση μελανώματος, η ανίχνευση βασικοκυτταρικού καρκινώματος, η ανίχνευση μιτώσεων, η τμηματοποίηση όγκων, η αξιολόγηση λεμφαδένων φρουρών και η διαλογή περιστατικών. Ωστόσο, παραμένουν σημαντικοί περιορισμοί. Η παθολογοανατομική διάγνωση συχνά απαιτεί κλινικοπαθολογοανατομική συσχέτιση, ανοσοϊστοχημικό και μοριακό έλεγχο, αναγνώριση σπάνιων οντοτήτων και διαχείριση διαγνωστικής αβεβαιότητας. Συμπερασματικά, η τεχνητή νοημοσύνη έχει τη δυνατότητα να μετασχηματίσει τη ροή εργασίας, τη διαλογή και την ποσοτικοποίηση στη παθολογική ανατομική του δέρματος. Παρ’ όλα αυτά, στη σύνθετη διαγνωστική ερμηνεία και στην τελική διάγνωση, παραμένει προς το παρόν συμπληρωματικό εργαλείο που υποστηρίζει, αλλά δεν αντικαθιστά, τον ειδικό δερματοπαθολογοανατόμο.","abstract_html":"Η τεχνητή νοημοσύνη επηρεάζει ολοένα και περισσότερο τη διαγνωστική παθολογική ανατομική, κυρίως μέσω της ανάπτυξης της ψηφιακής παθολογικής ανατομικής, της απεικόνισης ολόκληρων ιστολογικών τομών και της υπολογιστικής ανάλυσης εικόνας. Η παθολογική ανατομική του δέρματος αποτελεί ιδιαίτερα κατάλληλο πεδίο εφαρμογής, καθώς συνδυάζει μεγάλο αριθμό καθημερινών περιστατικών με σημαντικές διαγνωστικές προκλήσεις, ιδίως στο φάσμα των μελανοκυτταρικών βλαβών. Σκοπός της παρούσας διπλωματικής εργασίας είναι η κριτική αξιολόγηση του σημερινού ρόλου της τεχνητής νοημοσύνης στην παθολογική ανατομική του δέρματος και η διερεύνηση του κατά πόσο αποτελεί ριζική αλλαγή ή κυρίως συμπληρωματικό διαγνωστικό εργαλείο. Πραγματοποιήθηκε ανασκόπηση της διεθνούς βιβλιογραφίας, με έμφαση στις εφαρμογές της τεχνητής νοημοσύνης στην ψηφιακή παθολογική ανατομική, στις μελανοκυτταρικές βλάβες, στους κερατινοκυτταρικούς όγκους, στις σπάνιες δερματικές νεοπλασίες, στην ποσοτική ανάλυση εικόνας, στη ροή εργασίας και στα ηθικά ζητήματα. Τα διαθέσιμα δεδομένα δείχνουν ότι η τεχνητή νοημοσύνη μπορεί να επιτύχει αξιόλογη απόδοση σε επιλεγμένες εργασίες, όπως η αναγνώριση μελανώματος, η ανίχνευση βασικοκυτταρικού καρκινώματος, η ανίχνευση μιτώσεων, η τμηματοποίηση όγκων, η αξιολόγηση λεμφαδένων φρουρών και η διαλογή περιστατικών. Ωστόσο, παραμένουν σημαντικοί περιορισμοί. Η παθολογοανατομική διάγνωση συχνά απαιτεί κλινικοπαθολογοανατομική συσχέτιση, ανοσοϊστοχημικό και μοριακό έλεγχο, αναγνώριση σπάνιων οντοτήτων και διαχείριση διαγνωστικής αβεβαιότητας. Συμπερασματικά, η τεχνητή νοημοσύνη έχει τη δυνατότητα να μετασχηματίσει τη ροή εργασίας, τη διαλογή και την ποσοτικοποίηση στη παθολογική ανατομική του δέρματος. Παρ’ όλα αυτά, στη σύνθετη διαγνωστική ερμηνεία και στην τελική διάγνωση, παραμένει προς το παρόν συμπληρωματικό εργαλείο που υποστηρίζει, αλλά δεν αντικαθιστά, τον ειδικό δερματοπαθολογοανατόμο.","abstract_has_math":false,"creators":["Πετράς Ιωάννης Στέφανος","Petras Ioannis Stefanos"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-11-19T05:20:35Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5432820"],"render_values":[{"text":"uoadl:5432820","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5432820","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5432820","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5432820","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Πετράς Ιωάννης Στέφανος","Petras Ioannis Stefanos"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Επιστήμες Υγείας","Health Sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5432820","https://pergamos.lib.uoa.gr/uoa/dl/object/5432820"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η τεχνητή νοημοσύνη επηρεάζει ολοένα και περισσότερο τη διαγνωστική παθολογική ανατομική, κυρίως μέσω της ανάπτυξης της ψηφιακής παθολογικής ανατομικής, της απεικόνισης ολόκληρων ιστολογικών τομών και της υπολογιστικής ανάλυσης εικόνας. Η παθολογική ανατομική του δέρματος αποτελεί ιδιαίτερα κατάλληλο πεδίο εφαρμογής, καθώς συνδυάζει μεγάλο αριθμό καθημερινών περιστατικών με σημαντικές διαγνωστικές προκλήσεις, ιδίως στο φάσμα των μελανοκυτταρικών βλαβών. Σκοπός της παρούσας διπλωματικής εργασίας είναι η κριτική αξιολόγηση του σημερινού ρόλου της τεχνητής νοημοσύνης στην παθολογική ανατομική του δέρματος και η διερεύνηση του κατά πόσο αποτελεί ριζική αλλαγή ή κυρίως συμπληρωματικό διαγνωστικό εργαλείο. Πραγματοποιήθηκε ανασκόπηση της διεθνούς βιβλιογραφίας, με έμφαση στις εφαρμογές της τεχνητής νοημοσύνης στην ψηφιακή παθολογική ανατομική, στις μελανοκυτταρικές βλάβες, στους κερατινοκυτταρικούς όγκους, στις σπάνιες δερματικές νεοπλασίες, στην ποσοτική ανάλυση εικόνας, στη ροή εργασίας και στα ηθικά ζητήματα. Τα διαθέσιμα δεδομένα δείχνουν ότι η τεχνητή νοημοσύνη μπορεί να επιτύχει αξιόλογη απόδοση σε επιλεγμένες εργασίες, όπως η αναγνώριση μελανώματος, η ανίχνευση βασικοκυτταρικού καρκινώματος, η ανίχνευση μιτώσεων, η τμηματοποίηση όγκων, η αξιολόγηση λεμφαδένων φρουρών και η διαλογή περιστατικών. Ωστόσο, παραμένουν σημαντικοί περιορισμοί. Η παθολογοανατομική διάγνωση συχνά απαιτεί κλινικοπαθολογοανατομική συσχέτιση, ανοσοϊστοχημικό και μοριακό έλεγχο, αναγνώριση σπάνιων οντοτήτων και διαχείριση διαγνωστικής αβεβαιότητας. Συμπερασματικά, η τεχνητή νοημοσύνη έχει τη δυνατότητα να μετασχηματίσει τη ροή εργασίας, τη διαλογή και την ποσοτικοποίηση στη παθολογική ανατομική του δέρματος. Παρ’ όλα αυτά, στη σύνθετη διαγνωστική ερμηνεία και στην τελική διάγνωση, παραμένει προς το παρόν συμπληρωματικό εργαλείο που υποστηρίζει, αλλά δεν αντικαθιστά, τον ειδικό δερματοπαθολογοανατόμο.","Artificial intelligence (AI) is increasingly reshaping diagnostic pathology through the development of digital pathology, whole-slide imaging and computational image analysis. Dermatopathology represents a particularly relevant field for AI implementation, as it combines high-volume routine practice with diagnostically challenging entities, especially within the melanocytic spectrum. This thesis critically reviews the current role of AI in dermatopathology and evaluates whether it should be regarded as a game changer or primarily as a complementary diagnostic tool. A critical narrative review of international literature was performed, focusing on AI applications in digital pathology, melanocytic lesions, keratinocytic tumours, rare cutaneous neoplasms, quantitative image analysis, workflow support, validation, ethical considerations and future multimodal systems. Current evidence shows that AI can achieve promising performance in selected tasks, including melanoma recognition, basal cell carcinoma detection, mitotic figure detection, tumour segmentation, sentinel lymph node assessment and case triage. These applications suggest that AI may improve efficiency, reproducibility and diagnostic support in well-defined settings. However, important limitations remain. Dermatopathological diagnosis often requires clinicopathological correlation, immunohistochemistry, molecular testing, recognition of rare entities and management of diagnostic uncertainty. AI systems are limited by dataset bias, unstable ground truth, underrepresentation of rare lesions, scanner and staining variability, insufficient external validation, explainability challenges and unresolved medicolegal responsibility. In conclusion, AI has game-changing potential for dermatopathology workflow, triage, quantification and future multimodal integration. Nevertheless, in complex diagnostic interpretation and final sign-out, AI currently remains a complementary tool that supports, but does not replace, expert dermatopathologists."]},{"key":"dc:title","label":"Title","values":["Η τεχνητή νοημοσύνη στην παθολογική ανατομική του δέρματος: μία επαναστατική αλλαγή ή ένα συμπληρωματικό εργαλείο;"]}]}],"canonical_facts":{"dc:creator":["Πετράς Ιωάννης Στέφανος","Petras Ioannis Stefanos"],"dc:date":["2026"],"dc:description":["Η τεχνητή νοημοσύνη επηρεάζει ολοένα και περισσότερο τη διαγνωστική παθολογική ανατομική, κυρίως μέσω της ανάπτυξης της ψηφιακής παθολογικής ανατομικής, της απεικόνισης ολόκληρων ιστολογικών τομών και της υπολογιστικής ανάλυσης εικόνας. Η παθολογική ανατομική του δέρματος αποτελεί ιδιαίτερα κατάλληλο πεδίο εφαρμογής, καθώς συνδυάζει μεγάλο αριθμό καθημερινών περιστατικών με σημαντικές διαγνωστικές προκλήσεις, ιδίως στο φάσμα των μελανοκυτταρικών βλαβών. Σκοπός της παρούσας διπλωματικής εργασίας είναι η κριτική αξιολόγηση του σημερινού ρόλου της τεχνητής νοημοσύνης στην παθολογική ανατομική του δέρματος και η διερεύνηση του κατά πόσο αποτελεί ριζική αλλαγή ή κυρίως συμπληρωματικό διαγνωστικό εργαλείο. Πραγματοποιήθηκε ανασκόπηση της διεθνούς βιβλιογραφίας, με έμφαση στις εφαρμογές της τεχνητής νοημοσύνης στην ψηφιακή παθολογική ανατομική, στις μελανοκυτταρικές βλάβες, στους κερατινοκυτταρικούς όγκους, στις σπάνιες δερματικές νεοπλασίες, στην ποσοτική ανάλυση εικόνας, στη ροή εργασίας και στα ηθικά ζητήματα. Τα διαθέσιμα δεδομένα δείχνουν ότι η τεχνητή νοημοσύνη μπορεί να επιτύχει αξιόλογη απόδοση σε επιλεγμένες εργασίες, όπως η αναγνώριση μελανώματος, η ανίχνευση βασικοκυτταρικού καρκινώματος, η ανίχνευση μιτώσεων, η τμηματοποίηση όγκων, η αξιολόγηση λεμφαδένων φρουρών και η διαλογή περιστατικών. Ωστόσο, παραμένουν σημαντικοί περιορισμοί. Η παθολογοανατομική διάγνωση συχνά απαιτεί κλινικοπαθολογοανατομική συσχέτιση, ανοσοϊστοχημικό και μοριακό έλεγχο, αναγνώριση σπάνιων οντοτήτων και διαχείριση διαγνωστικής αβεβαιότητας. Συμπερασματικά, η τεχνητή νοημοσύνη έχει τη δυνατότητα να μετασχηματίσει τη ροή εργασίας, τη διαλογή και την ποσοτικοποίηση στη παθολογική ανατομική του δέρματος. Παρ’ όλα αυτά, στη σύνθετη διαγνωστική ερμηνεία και στην τελική διάγνωση, παραμένει προς το παρόν συμπληρωματικό εργαλείο που υποστηρίζει, αλλά δεν αντικαθιστά, τον ειδικό δερματοπαθολογοανατόμο.","Artificial intelligence (AI) is increasingly reshaping diagnostic pathology through the development of digital pathology, whole-slide imaging and computational image analysis. Dermatopathology represents a particularly relevant field for AI implementation, as it combines high-volume routine practice with diagnostically challenging entities, especially within the melanocytic spectrum. This thesis critically reviews the current role of AI in dermatopathology and evaluates whether it should be regarded as a game changer or primarily as a complementary diagnostic tool. A critical narrative review of international literature was performed, focusing on AI applications in digital pathology, melanocytic lesions, keratinocytic tumours, rare cutaneous neoplasms, quantitative image analysis, workflow support, validation, ethical considerations and future multimodal systems. Current evidence shows that AI can achieve promising performance in selected tasks, including melanoma recognition, basal cell carcinoma detection, mitotic figure detection, tumour segmentation, sentinel lymph node assessment and case triage. These applications suggest that AI may improve efficiency, reproducibility and diagnostic support in well-defined settings. However, important limitations remain. Dermatopathological diagnosis often requires clinicopathological correlation, immunohistochemistry, molecular testing, recognition of rare entities and management of diagnostic uncertainty. AI systems are limited by dataset bias, unstable ground truth, underrepresentation of rare lesions, scanner and staining variability, insufficient external validation, explainability challenges and unresolved medicolegal responsibility. In conclusion, AI has game-changing potential for dermatopathology workflow, triage, quantification and future multimodal integration. Nevertheless, in complex diagnostic interpretation and final sign-out, AI currently remains a complementary tool that supports, but does not replace, expert dermatopathologists."],"dc:identifier":["uoadl:5432820","https://pergamos.lib.uoa.gr/uoa/dl/object/5432820"],"dc:language":["English"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Η τεχνητή νοημοσύνη στην παθολογική ανατομική του δέρματος: μία επαναστατική αλλαγή ή ένα συμπληρωματικό εργαλείο;"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:20:35Z"}