一種新的人工智能工具能夠以前所未有的清晰度解釋醫學圖像，幫助臨床醫生節約時間和精力，將注意力更多集中在疾病診斷和圖像解釋等關鍵方面。
該工具名為istar（超分辨率組織架構），由賓夕法尼亞大學佩雷爾曼醫學院的研究人員開發，他們相信該工具可以幫助臨床醫生診斷和更好地治療未被診出的癌症。
該成像技術既提供了單個細胞的高度詳細視圖，又提供了對人類基因運作方式的全面觀察，使醫生和研究人員能夠看到原本幾乎看不見的癌細胞。該工具可用於確定癌症手術是否達到安全邊界，並自動為顯微圖像提供注釋，為該水平的分子疾病診斷鋪平道路。
該研究由助理研究員david zhang博士和生物統計學與數字病理學教授李明耀博士領導，論文發表在《自然生物技術》雜誌上。
李博士表示，istar能夠自動檢測三級淋巴結構的關鍵抗腫瘤免疫結構，其存在與患者的生存可能性和對免疫治療的良好反應相關，免疫治療通常用於治療癌症，對患者的選擇很嚴格。這意味着istar有助於判斷哪些患者將從免疫治療中受益最多。
istar的開發運用了空間轉錄組學的相關知識。空間轉錄組學是一個相對較新的領域，用於繪製組織空間內的基因活動圖譜。研究人員採用了一種名為分層視覺變換器的機器學習工具，並在標準組織圖像上對其進行訓練。
istar首先將圖像分解為不同階段，從小處尋找精細細節，然後向上移動並掌握更廣泛的組織規律。istar內置的人工智能系統會通過分層視覺轉換器獲取全部信息，再將其應用於預測基因活動，通常可以接近達到單細胞的分辨率。
“istar的力量源於其先進的技術，這反過來反映了病理學家如何研究組織樣本，”李博士解釋道。“就像病理學家識別更廣泛的區域，然後聚焦在詳細的細胞結構上一樣，istar可以捕獲總體組織結構，並關注組織圖像中的細節。”
為了測試該工具的功效，研究人員將許多不同類型的癌症組織與健康組織混合，並以istar為工具進行了評估，研究範圍包括乳腺癌、前列腺癌、腎癌和結直腸癌。在這些測試中，istar能夠自動檢測僅靠肉眼難以識別的腫瘤和癌細胞。未來，藉助istar的支持，臨床醫生或許能夠發現並診斷更多難以看到或難以識別的癌症。
除了istar技術帶來的臨床可能性之外，與其他類似的人工智能工具相比，該工具的移動速度也非常快。例如，當進行乳腺癌數據集時，istar僅用了9分鐘就完成了分析。相比之下，競品中最先進的人工智能工具都需要超過32小時才能得出類似的分析，這意味着istar的速度比之快了213倍。
“這意味着istar可以應用於大量樣本，這對於大規模生物醫學研究至關重要，”李教授說。“它的速度之快對於在3d和生物樣本庫樣本預測方面的擴展也有重要意義。在3d場景中，一個組織塊可能涉及數百到數千個連續切割的組織切片。istar的速度使得在短時間內構建獲取如此大量的空間數據成為可能。”
生物樣本庫也是如此，它存儲高達數千甚至數百萬個樣本。這也是該研究團隊下一步研究和擴展istar的目標。他們希望幫助研究人員更好地了解組織內的微環境，為未來的診斷和治療目的提供更多數據。
參考文獻：
責編|探索君
排版|探索君
