传统上，研究人员和医学专业人士通过显微镜分析和注释组织来识别病理学或疾病迹象，如上图所示的睾丸（管萎缩）疾病图像，这一过程可能需要数小时才能完成一个切片或图像。华盛顿州立大学（WSU）开发的深度学习人工智能模型能够比人类更快地识别病理学，有时甚至能发现人类病理学家遗漏的迹象。（图片来源：Eric Nilsson，Skinner实验室，WSU）
华盛顿州普尔曼——华盛顿州立大学开发的一种深度学习人工智能模型能够在动物和人体组织的图像中识别病理学或疾病迹象，速度远超人类，且通常更准确。这一发展详细记录在《科学报告》中，可能会大幅加快疾病相关研究的速度。它还具有改进医疗诊断的潜力，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。
“这种基于人工智能的深度学习程序在查看这些组织方面非常非常准确，”WSU生物学家、论文共同通讯作者Michael Skinner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。”
为了开发该人工智能模型，计算机科学家Colin Greeley（前WSU研究生）和他的导师Lawrence Holder使用了Skinner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的分子水平疾病迹象。研究人员随后使用其他研究中的图像测试了该人工智能，包括乳腺癌和淋巴结转移的研究。
研究人员发现，新的深度学习人工智能模型不仅能够快速正确地识别病理学，而且速度超过了之前的模型，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Holder说。
传统上，这种分析需要由专门训练的人员团队使用显微镜仔细检查和注释组织切片，通常会相互检查工作以减少人为错误。深度学习人工智能模型使分析时间从一年或更长时间缩短到几周内完成。
在Skinner的表观遗传学研究中，这涉及研究影响基因行为而不改变DNA本身的分子过程变化，这种分析对于大型研究来说可能需要一年或更长时间。现在有了新的深度学习人工智能模型，他们可以在几周内获得相同的数据，Skinner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，Holder说。相反，深度学习模型是通过神经元和突触网络结构化的。如果模型犯错，它会“学习”这个错误，通过一个称为反向传播的过程在整个网络中进行大量更改以修复错误，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，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，即使是最强大的计算机也会变慢，研究人员设计了人工智能模型来查看较小的单独图块，但仍将其置于较大区域的较低分辨率上下文中，这一过程类似于显微镜的放大和缩小功能。
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，该模型在改善人类疾病研究和诊断方面具有巨大潜力，特别是对于癌症和其他基因相关疾病。只要有关数据，例如注释图像识别组织中的癌症，研究人员就可以训练人工智能模型来完成这项工作，Holder说。
“我们设计的网络是最先进的，”Holder说，“我们在本文中与其他系统和数据集进行了比较，它击败了所有对手。”
这项研究得到了John Templeton基金会的支持。WSU生物科学学院的研究助理教授Eric Nilsson也是这篇论文的共同作者。
(全文结束)
