根据在美国癌症研究协会（AACR）年会上展示的研究结果，一种基于人工智能（AI）的模型仅使用数字病理图像就能准确分类儿童肉瘤。
儿童肉瘤是一种罕见且多样的肿瘤，可以形成于各种软组织中，包括肌肉、肌腱、脂肪、血管、神经或关节周围的组织。肉瘤根据多种因素进行分类，包括起源组织和各种分子特征。
“准确分类患者的肉瘤亚型是指导和优化治疗的重要步骤，”康涅狄格大学健康中心和杰克逊实验室Jeffrey Chuang博士实验室的MD/Ph.D.候选人Adam Thiesen说。“不幸的是，肉瘤的异质性使其特别难以分类，通常需要复杂的分子和遗传测试，以及由多年训练磨练出模式识别技能的高度专业化的病理学家进行外部审查——这些资源在许多医疗机构中并不容易获得。”
在这项研究中，Thiesen及其同事探讨了AI准确识别儿童肉瘤亚型的潜力。他们使用来自麻省总医院、耶鲁纽黑文儿童医院、圣犹大儿童医院和儿童肿瘤学组的691张病理切片数字图像，代表九种肉瘤亚型，来训练AI算法以识别每种亚型相关的模式。
“通过数字化组织病理切片，我们将病理学家通常研究的视觉数据转换为计算机可以分析的数值数据，”Thiesen解释道。“就像我们的手机可以在照片中识别人脸并自动生成该人的相册一样，我们的基于AI的模型可以在数字化切片中识别某些肿瘤形态模式，并将它们归类到与特定肉瘤亚型相关的诊断类别中。”
简而言之，研究人员开发并应用开源软件来协调从不同机构收集的图像，以考虑格式、染色和放大倍数等因素的变化。协调后的图像被转换成小块，然后输入深度学习模型，提取数值数据进行新颖统计方法的分析。该统计方法生成每个切片特征的摘要，由训练好的AI算法评估以将每个切片分类为特定亚型。
在验证实验中，Thiesen报告称，AI算法以高精度识别了肉瘤亚型。具体来说，AI驱动的模型正确区分了：
- 尤因肉瘤与其他肉瘤类型，在92.2%的情况下；
- 非横纹肌肉瘤软组织肉瘤与横纹肌肉瘤软组织肉瘤，在93.8%的情况下；
- 肺泡横纹肌肉瘤与胚胎横纹肌肉瘤，在95.1%的情况下；以及
- 肺泡横纹肌肉瘤、胚胎横纹肌肉瘤和梭形细胞横纹肌肉瘤，在87.3%的情况下。
“我们的研究结果表明，基于AI的模型仅使用常规病理图像就能准确诊断各种儿童肉瘤亚型，”Thiesen说。“这种基于AI的模型可以帮助更多儿童患者无论其地理位置或医疗环境如何，都能获得快速、简化且高度准确的癌症诊断。”
他补充说：“我们的模型构建方式使得新图像可以添加并以最小的计算设备进行训练。经过标准的数据处理后，临床医生理论上可以在自己的笔记本电脑上使用我们的模型，这可能大大增加即使在资源不足的环境中也能使用的可能性。”
该研究的一个局限性是可用的病理图像数量比研究人员希望用于训练AI算法的数量要少。然而，Thiesen指出，鉴于儿童肉瘤的罕见性，他们的图像数据集可能是迄今为止最大的多中心儿童肉瘤数据集，代表了多个亚型、解剖位置和患者人口统计学特征。
“我们希望随着时间的推移，其他团队能与我们合作，进一步扩大这个数据集的规模，”Thiesen说。
这项研究由外科肿瘤学家Jill Rubinstein博士（杰克逊实验室高级研究员）组织，并使用了Sergii Domanskyi博士（杰克逊实验室副计算科学家）创建的软件。
(全文结束)
