AI从组织样本中准确预测癌症结果
2023-12-29
来源: drugdu
109
病理学家通常在玻片上检查患者组织样本，这是诊断不可或缺的过程。这种传统方法虽然有效，但明显耗时，而且不同病理学家的解释也会有所不同。此外，病理图像中的一些细微细节可能无法被人类观察到，但可能对患者的健康状况有重要的了解。近年来，已经开发了几种人工智能（AI）模型来承担病理学家通常执行的某些任务，例如根据接近度对细胞类型进行分类或测量细胞相互作用。然而，这些模型并没有完全捕捉到病理学家进行的组织图像分析的更复杂方面，包括识别复杂的细胞空间排列和过滤掉可能扭曲解释的无关图像“噪声”。为了解决这一差距，研究人员现在引入了一种创新的人工智能模型，该模型能够检查组织样本中细胞的空间组织，对癌症患者的结局进行精确预测，并为人工智能辅助的癌症预后和量身定制的治疗计划提供了新的前景。
这种人工智能工具被称为Ceograph，由UT西南医学中心（美国得克萨斯州达拉斯）的研究人员创建，模仿了病理学家检查组织切片的方法。它首先识别细胞及其在图像中的相应位置。然后，它对细胞类型进行分类，并描绘它们的形状和空间分布，创建一个全面的地图，详细分析细胞之间的排列、分散和相互作用。该团队使用病理切片在三种临床场景中验证了Ceograph。在一个例子中，Ceograph区分了两种癌症类型：腺癌和鳞状细胞癌。在另一项研究中，它衡量了潜在的口腔癌发展为恶性肿瘤的风险。最后，它确定了癌症患者最有可能受益于表皮生长因子受体抑制剂。
在每种情况下，Ceograph在预测患者预后方面的表现都超过了传统方法。值得注意的是，Ceograph提供的细胞空间组织见解不仅可以解释，而且还揭示了不同个体细胞-细胞空间相互作用的生物学意义。这些发展突出了人工智能在医疗保健中发挥的越来越重要的作用，特别是在提高病理分析的准确性和效率方面。这项技术有望完善高危人群的预防策略，并根据每位患者的独特需求量身定制治疗选择。
研究负责人肖光华表示：“细胞的空间组织就像一块复杂的拼图，每个细胞都是一块独特的拼图，精心组合在一起，形成一个有凝聚力的组织或器官结构。”，博士：“这项研究展示了人工智能掌握组织内细胞之间这些复杂空间关系的非凡能力，在预测患者结果的同时，提取了以前人类无法理解的微妙信息。”
来源：
https://www.labmedica.com/pathology/articles/294799728/ai-accurately-predicts-cancer-outcomes-from-tissue-samples.html
版权著作，未经滴度drugdu.com书面授权，严禁转载，违者将被追究法律责任。
相关News
- 新研究揭示内脏利什曼病的全球风险分布 2024-05-03
- 先锋研究所研究发现《通货膨胀削减法》阻碍非阿片类药物创新 2024-05-03
- 乳腺癌症发病机制中关键基因的遗传关联 2024-05-02
- 美敦力获得美国FDA批准Inceptiv闭环脊髓刺激器 2024-05-02
- 六家生物制药公司将参加MedCity INVEST完美投球大赛 2024-05-02
