使用AI帮助医生识别癌细胞

德克萨斯大学西南医学中心的研究人员开发了一种软件工具，利用人工智能从数字病理图像中识别癌细胞，这为临床医生预测患者预后提供了一种强大的方法。

不同类型细胞的空间分布可以揭示癌症的生长模式、与周围微环境的关系以及人体的免疫反应。但是，在病理切片中手工识别所有细胞的过程非常耗费人力，而且容易出错。

由于组织样本中通常有数百万个细胞，病理学家一天只能分析这么多幻灯片。为了做出诊断，病理学家通常只检查几个“代表性”区域的细节，而不是整个幻灯片。然而，这种方法可能会漏掉一些重要的细节。

肖博士补充说，人类的大脑并不擅长捕捉细微的形态模式。因此，系统研究肿瘤微环境的一个主要技术挑战是如何自动分类不同类型的细胞并量化它们的空间分布，他说。

肖博士和他的团队开发的名为ConvPath的人工智能算法，通过使用人工智能对肺癌病理图像中的细胞类型进行分类，克服了这些障碍。

hsyusa

它是这样工作的:ConvPath算法可以“观察”细胞，并根据它们在病理图像中的外观来识别它们的类型，它使用的是一种向人类病理学家学习的人工智能算法。该算法有效地将病理图像转换为“地图”，显示肿瘤细胞、间质细胞(即间质细胞)的空间分布和相互作用。、结缔组织细胞和淋巴细胞。在肿瘤组织中。

和生元国际医疗机构得知肿瘤细胞是否很好地聚集在一起或扩散到基质淋巴结是揭示人体免疫反应的一个因素。因此，了解这些信息可以帮助医生制定治疗计划并确定正确的免疫疗法。

最终，该算法帮助病理学家以更快的速度获得最准确的癌细胞分析结果。

“这是耗时和困难的病理学家来定位非常小的肿瘤区域组织图像,这可以大大减少病理学家需要花的时间在每一个形象,”肖博士说,他也有一个约会在莉达希尔的生物信息学和属于定量生物医学研究中心(QBRC)和哈罗德·c·西蒙斯UTSW综合癌症中心。