传统上，研究人员和医疗专业人员通过在显微镜下分析和标注组织来识别病理或疾病迹象，如图所示的睾丸（管状萎缩）疾病——这一过程可能需要数小时才能完成一张幻灯片或图像。华盛顿州立大学开发的“深度学习”AI模型能够比人类更快地识别病理，有时甚至能发现人类病理学家遗漏的迹象。图片提供：Eric Nilsson, Skinner 实验室, 华盛顿州立大学
华盛顿州立大学开发的一种深度学习人工智能模型可以在图像中快速且通常更准确地识别动物和人体组织的病理或疾病迹象。这项研究成果详细发表在《科学报告》上，可能会大幅加快疾病相关研究的进程。它还具有改善医疗诊断的潜力，例如从活检图像中检测癌症只需几分钟，而这一过程通常需要人类病理学家花费数小时。
“这种基于AI的深度学习程序在查看这些组织方面非常非常准确，”华盛顿州立大学生物学家、论文共同通讯作者迈克尔·斯金纳说。“它有可能彻底改变动物和人类的这种医学分析，更好地促进这类分析。”
为了开发AI模型，计算机科学家科林·格里利（前华盛顿州立大学研究生）和他的指导教授劳伦斯·霍尔德使用了斯金纳实验室过去表观遗传学研究中的图像进行训练。这些研究涉及肾、睾丸、卵巢和前列腺组织中分子水平的疾病迹象，来自大鼠和小鼠。
研究人员随后用其他研究中的图像测试了AI，包括识别乳腺癌和淋巴结转移的研究。他们发现，新的AI深度学习模型不仅能够快速正确地识别病理，而且比以前的模型更快，在某些情况下还发现了训练有素的人类团队遗漏的实例。
“我认为我们现在有一种方法可以比人类更快、更准确地识别疾病和组织，”论文共同通讯作者霍尔德说。传统上，这种分析需要特别训练的团队进行繁琐的工作，使用显微镜检查和标注组织切片，通常会相互检查工作以减少人为错误。
在斯金纳关于表观遗传学的研究中，这涉及研究影响基因行为但不改变DNA本身的分子过程变化，这种分析对于大型研究可能需要一年甚至更长时间。现在有了新的AI深度学习模型，他们可以在几周内获得相同的数据，斯金纳说。
深度学习是一种试图模仿人脑的人工智能方法，超越了传统的机器学习，霍尔德说。相反，深度学习模型是通过神经元和突触网络结构化的。如果模型犯了错误，它会“学习”这个错误，通过一个称为反向传播的过程，在其网络中进行一系列更改以修正错误，从而不会重复相同的错误。
研究团队设计了华盛顿州立大学的深度学习模型来处理极高分辨率的千兆像素图像，这意味着它们包含数十亿像素。为了应对这些图像的大文件大小，即使最好的计算机也可能因此变慢，研究人员设计了AI模型来查看较小的单个图块，但仍将其放在较大部分的低分辨率上下文中，这一过程类似于显微镜下的放大和缩小。
该深度学习模型已经吸引了其他研究人员，霍尔德的团队目前正在与华盛顿州立大学兽医医学研究人员合作，诊断鹿和麋鹿组织样本中的疾病。作者还指出，该模型具有改善人类研究和诊断的潜力，特别是对于癌症和其他基因相关疾病。只要有关数据，例如标注了组织中癌症的图像，研究人员就可以训练AI模型完成这项工作，霍尔德说。
“我们设计的网络是最先进的，”霍尔德说。“我们在本文中与几个其他系统和其他数据集进行了比较，它击败了所有这些系统。”
(全文结束)
