新的人工智能工具使癌症及其他疾病的精确病理学变得更快更清晰
一种新的人工智能工具能够以前所未有的清晰度解释医学图像，从而使时间紧迫的临床医生能够将注意力集中在疾病诊断和图像解释的关键方面。
该工具名为 iStar(推断超分辨率组织架构)，由宾夕法尼亚大学佩雷尔曼医学院的研究人员开发，他们相信该工具可以帮助临床医生诊断和更好地治疗可能未被发现的癌症。该成像技术既提供了单个细胞的高度详细视图，也提供了人们基因运作方式的全谱更广泛的视野，这将使医生和研究人员能够看到原本几乎看不见的癌细胞。该工具可用于确定癌症手术是否达到安全边界，并自动为显微图像提供注释，为该水平的分子疾病诊断铺平道路。
由助理研究员张戴维博士和生物统计学和数字病理学教授李明耀博士领导的关于该方法的论文今天发表在《自然生物技术》上。
李说，iStar 能够自动检测称为“淋巴结构”的关键抗肿瘤免疫结构，其存在与患者的生存可能性和对免疫治疗的良好反应相关，免疫治疗通常用于治疗癌症，并且需要高精度的患者选择。Li 说，这意味着 iStar 可能成为确定哪些患者将从免疫治疗中受益最多的强大工具。
iStar 的开发是空间转录组学领域的一部分，空间转录组学是一个相对较新的领域，用于绘制组织空间内的基因活动图谱。李和她的同事采用了一种名为“分层视觉变换器”的机器学习工具，并在标准组织图像上对其进行训练。李说，它首先将图像分解为不同的阶段，从小处开始寻找精细细节，然后向上移动并“掌握更广泛的组织模式”。iStar 内的人工智能系统引导的网络使用来自分层视觉转换器的信息来吸收所有这些信息并将其应用于预测基因活动，通常以接近单细胞的分辨率。
“iStar 的力量源于其先进的技术，这反过来反映了病理学家如何研究组织样本，”李解释道。“就像病理学家识别更广泛的区域，然后放大详细的细胞结构一样，iStar 可以捕获总体组织结构，并关注组织图像中的细节。”
为了测试该工具的功效，Li 和她的同事在许多不同类型的癌症组织上评估了 iStar，包括乳腺癌、前列腺癌、肾癌和结直肠癌，并与健康组织混合。在这些测试中，iStar 能够自动检测仅靠肉眼难以识别的肿瘤和癌细胞。未来，借助 iStar 作为支持层，临床医生或许能够发现并诊断更多难以看到或难以识别的癌症。
除了 iStar 技术带来的临床可能性之外，与其他类似的人工智能工具相比，该工具的移动速度也非常快。例如，当设置团队使用的乳腺癌数据集时，iStar 仅用了九分钟就完成了分析。相比之下，最好的竞争对手人工智能工具需要超过 32 小时才能得出类似的分析。
这意味着 iStar 的速度快了 213 倍。
“这意味着 iStar 可以应用于大量样本，这对于大规模生物医学研究至关重要，”李说。“它的速度对于当前 3D 和生物样本库样本预测的扩展也很重要。在 3D 背景下，组织块可能涉及数百到数千个连续切割的组织切片。iStar 的速度使得在短时间内重建如此大量的空间数据成为可能。”
生物样本库也是如此，它存储数千甚至数百万个样本。这就是李和她的同事们下一步研究和扩展 iStar 的目标。他们希望帮助研究人员更好地了解组织内的微环境，这可以为今后的诊断和治疗目的提供更多数据。
版权声明：本文由用户上传，如有侵权请联系删除！