(資料圖)
科技日?qǐng)?bào)記者?張夢(mèng)然
罕見(jiàn)疾病通常難以診斷，預(yù)測(cè)最佳治療方案對(duì)臨床醫(yī)生來(lái)說(shuō)具有挑戰(zhàn)性。美國(guó)布萊根婦女醫(yī)院研究人員開(kāi)發(fā)出一種深度學(xué)習(xí)算法，可以讓人工智能（AI）自學(xué)病理特征，在大型病理圖像存儲(chǔ)庫(kù)中找到類(lèi)似的病例。這種被稱(chēng)為SISH（組織學(xué)自我監(jiān)督圖像搜索）的新工具就像一個(gè)病理圖像搜索引擎，具有許多潛在的應(yīng)用，包括識(shí)別罕見(jiàn)疾病、幫助臨床醫(yī)生確定哪些患者可能對(duì)類(lèi)似療法產(chǎn)生反應(yīng)。相關(guān)論文發(fā)表在最近的《自然·生物醫(yī)學(xué)工程》上。
研究表明，該系統(tǒng)可幫助診斷罕見(jiàn)疾病并找到具有相似形態(tài)模式的病例，而無(wú)需手動(dòng)注釋和查找大型數(shù)據(jù)集。該系統(tǒng)具有改善病理學(xué)訓(xùn)練、區(qū)分疾病亞型、腫瘤識(shí)別和罕見(jiàn)形態(tài)識(shí)別的潛力。
現(xiàn)代電子數(shù)據(jù)庫(kù)可存儲(chǔ)大量的數(shù)字記錄和參考圖像，尤其是在病理學(xué)方面的全幻燈片圖像 （WSI）。但每個(gè)WSI就有千兆像素，且?guī)熘袌D像數(shù)量不斷增加，使檢索緩慢而復(fù)雜。因此，可擴(kuò)展性仍然是有效使用的障礙。
為了解決這個(gè)問(wèn)題，研究人員開(kāi)發(fā)了SISH，它可以自學(xué)，無(wú)論數(shù)據(jù)庫(kù)大小如何，都能以恒定的速度找到病理學(xué)中具有相似特征的病例。
研究人員測(cè)試了SISH檢索常見(jiàn)和罕見(jiàn)癌癥的可解釋疾病亞型信息的速度和能力，成功地從超過(guò)22000例患者病例、超過(guò)50種不同疾病和十幾個(gè)解剖部位的數(shù)萬(wàn)張WSI的數(shù)據(jù)庫(kù)中快速準(zhǔn)確地檢索到圖像。在許多情況下，檢索速度都優(yōu)于其他方法，包括疾病亞型檢索，尤其是當(dāng)圖像數(shù)據(jù)庫(kù)規(guī)模擴(kuò)大到數(shù)千張圖像時(shí)。即使存儲(chǔ)庫(kù)規(guī)模擴(kuò)大，SISH仍能保持恒定的搜索速度。
總體而言，這種AI算法展示了有效檢索圖像、診斷罕見(jiàn)疾病類(lèi)型的能力，以及作為搜索引擎識(shí)別可能與診斷相關(guān)的某些圖像區(qū)域的能力，有望極大促進(jìn)未來(lái)的疾病診斷、預(yù)后和分析。
研究人員相信，隨著圖像數(shù)據(jù)庫(kù)的規(guī)模不斷擴(kuò)大，SISH有助于更容易地識(shí)別疾病。該領(lǐng)域的一個(gè)重要方向是多模式病例檢索，其中涉及聯(lián)合使用病理學(xué)、放射學(xué)、基因組和電子病歷數(shù)據(jù)來(lái)查找類(lèi)似的患者病例。
關(guān)鍵詞： 搜索引擎
營(yíng)業(yè)執(zhí)照公示信息