2024-06-14 来源: drugdu 126
一个由人工智能(AI)驱动并对近50万张组织图像进行训练的计算机程序可以有效诊断腺癌病例,腺癌是癌症最常见的类型。
纽约大学朗格尼健康学院(美国纽约州纽约市)的研究人员开发和测试的计算机程序为患者和肿瘤学家提供了关于癌症存在及其复发的可能性和时间(也称为预后)的公正、详细和可靠的第二意见。这是因为该项目结合了452名腺癌患者的肿瘤结构特征,这些患者是美国国家癌症研究所癌症基因组图谱中的11000多名患者之一。重要的是,该项目是独立运作的,是“自学成才的”,自行决定哪些结构特征对评估疾病的严重程度及其对肿瘤复发的影响最为关键。
在他们的研究中,被称为组织形态学表型学习(HPL)的算法成功区分了腺癌和类似类型的癌症,如鳞状细胞癌,准确率为99%。HPL程序还显示,在预测治疗后癌症复发的可能性和时间方面,准确率为72%,超过了病理学家手动分析相同肿瘤图像所获得的64%的准确率。研究团队设想,随着对癌症生物学的理解不断进步,病理学家将越来越多地在计算机上而不是通过传统显微镜检查组织样本,并将使用他们的人工智能程序来进一步分析和可视化这些扫描。
研究人员的目标是使用HPL算法为每位患者分配一个从0到1的分数,以反映他们在长达五年的生存和肿瘤复发的统计概率。他们强调,HPL的自学习性质意味着随着时间的推移,程序的准确性将随着处理更多数据而提高。该团队目前正在为其他类型的癌症(如乳腺癌、卵巢癌和结直肠癌)开发类似的基于人工智能的程序,这些程序还将包含关键的形态学和分子数据。还正在制定计划,通过整合医院电子健康记录中的额外数据,包括其他疾病、疾病、收入水平和居民邮政编码的信息,提高腺癌HPL计划的准确性。
纽约大学格罗斯曼医学院和佩尔穆特癌症中心的生物信息学程序员、研究首席研究员Nicolas Coudray博士表示:“我们新的组织形态表型学习计划有可能为癌症专家及其患者提供一种快速、公正的肺腺癌诊断工具,一旦进一步的测试完成,也可以用来帮助验证甚至指导他们的治疗决定。患者、医生和研究人员都知道他们可以依赖这种预测模型,因为它是自学成才的,提供了可解释的决策,并且只基于专门从每个患者组织中提取的知识,包括死亡细胞和抗肿瘤免疫细胞的比例,以及肿瘤细胞的密度等特征。”
来源:
https://www.labmedica.com/pathology/articles/294801500/self-taught-ai-tool-diagnoses-and-predicts-severity-of-common-lung-cancer.html