华盛顿州立大学（WSU）开发了一种AI深度学习模型，该模型能够比人类病理学家更快地检测组织图像中的疾病迹象。这项技术不仅适用于动物病理学，也适用于人类病理学，有望加速医学研究并提高癌症等疾病的诊断准确性，使分析几乎瞬间完成。
关键要点包括：
- WSU的AI模型可以快速而准确地识别组织图像中的疾病，有可能彻底改变病理学领域。
- 通过高速处理高分辨率图像，该模型可以大大缩短大型研究的数据采集时间，从几年缩短到几周。
- 这项AI技术可以支持快速的癌症诊断和其他基因相关疾病的检测，对研究和医疗领域都有益处。
WSU生物学家Michael Skinner表示：“这个基于AI的深度学习程序在检查这些组织方面非常准确。它有可能彻底改变这种医学领域，无论是对动物还是人类，都能更好地促进这类分析。”
为了开发这一AI模型，计算机科学家Colin Greeley（前WSU研究生）和他的指导教授Lawrence Holder使用了Skinner实验室过去进行的表观遗传学研究中的图像。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。研究人员随后使用其他研究中的图像测试了AI模型，包括乳腺癌和淋巴结转移的研究。
研究发现，新的AI深度学习模型不仅能够快速准确地识别病理，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。
Holder表示：“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。”传统上，这种分析需要由专门培训的人员团队使用显微镜仔细检查和注释组织切片，通常还会互相检查工作以减少人为错误。在Skinner的表观遗传学研究中，这种分析可能需要一年或更长时间，而现在使用新的AI深度学习模型，他们可以在几周内获得相同的数据。
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。Holder解释说，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“学习”错误，通过一个称为反向传播的过程在整个网络中进行一系列更改，以防止再次犯同样的错误。
研究团队设计了WSU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巨大文件大小，研究人员设计了AI模型以查看较小的单个图块，但仍然将它们置于更大区域的较低分辨率背景下，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，Holder的团队目前正在与WSU兽医学院的研究人员合作，诊断鹿和麋鹿组织样本中的疾病。作者还指出，该模型在改善人类尤其是癌症和其他基因相关疾病的诊断和研究方面具有潜力。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模型执行这项工作。
Holder说：“我们设计的网络是最先进的。我们在本文中与其他系统和数据集进行了比较，它胜过了所有对手。”
参考文献：Greeley C, Holder L, Nilsson EE, Skinner MK. 可扩展的深度学习人工智能组织病理学幻灯片分析和验证。《科学报告》. 2024;14(1):26748. doi: 10.1038/s41598-024-76807-x
(全文结束)
