华盛顿州立大学（WSU）开发的一种“深度学习”人工智能模型可以在动物和人体组织图像中识别病理或疾病迹象，其速度远超人类，且在某些情况下更为准确。这一进展详细记录在《科学报告》中，可能会显著加快疾病相关研究的步伐。此外，该技术还具有改进医学诊断的潜力，例如可以在几分钟内从活检图像中检测出癌症，而通常这需要人类病理学家花费数小时才能完成。
“这个基于AI的深度学习程序在检查这些组织方面非常非常准确，”WSU生物学家兼论文共同通讯作者迈克尔·斯金纳（Michael Skinner）说。“它可能彻底改变这种类型的医学，无论是对动物还是人类，都能更好地促进这类分析。”
为了开发该AI模型，计算机科学家科林·格里利（Colin Greeley），前WSU研究生，及其指导教授劳伦斯·霍尔德（Lawrence Holder）使用了斯基纳实验室过去表观遗传学研究中的图像进行训练。这些研究涉及大鼠和小鼠肾脏、睾丸、卵巢和前列腺组织中分子水平的疾病迹象。研究人员随后用其他研究中的图像测试了AI，包括乳腺癌和淋巴结转移的研究。
研究人员发现，新的AI深度学习模型不仅快速准确地识别了病理，而且比之前的模型更快——在某些情况下，甚至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，这种分析需要由专门训练的团队进行艰苦的工作，他们使用显微镜检查和标注组织切片，通常还会互相检查工作以减少人为错误。在斯基纳关于表观遗传学的研究中，这种分析可能需要一年甚至更长时间。现在，借助新的AI深度学习模型，他们可以在几周内获得相同的数据，斯基纳说。
深度学习是一种试图模仿人脑的AI方法，超越了传统的机器学习，霍尔德说。相反，深度学习模型通过神经元和突触网络结构化。如果模型出错，它会通过一个称为反向传播的过程“学习”，在整个网络中进行大量调整以纠正错误，从而避免重复错误。
研究团队设计的WSU深度学习模型能够处理极高分辨率的千兆像素图像，即包含数十亿像素的图像。为了应对这些图像的大文件大小，即使是最强大的计算机也可能变慢，研究人员设计了AI模型以查看较小的单个图块，但仍将其置于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。
这一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WSU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，该模型在改善人类研究和诊断方面具有巨大潜力，特别是在癌症和其他基因相关疾病方面。只要存在数据，例如标注了组织中癌症的图像，研究人员就可以训练AI模型来完成这项工作，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，它都胜过了它们。”
这项研究得到了约翰·坦普尔顿基金会的支持。WSU生物科学学院的研究助理教授埃里克·尼尔森（Eric Nilsson）也是这篇论文的共同作者。
(全文结束)
