新的软件工具使用人工智能来帮助医生鉴别癌细胞
UT西南研究人员已经开发出一个软件工具,使用人工智能识别癌细胞从数字病理images-giving临床医生的一种强有力的方法预测病人的结果。
不同类型的细胞的空间分布可以揭示癌症的增长模式,它与周围的微环境的关系,身体的免疫反应。但是手动识别的过程中所有的细胞病理学幻灯片非常劳动密集型且容易出错。
“通常有数百万个细胞组织样本一个病理学家只能分析一天很多幻灯片。做出诊断,病理学家通常只详细检查几个代表性的地区,而不是整个幻灯片。然而,一些重要的细节可以通过这种方法,错过了安迪“光华博士说,通讯作者发表的一项研究EBioMedicine西南大学和人口和数据科学教授。
的人类的大脑肖博士补充说,不擅长收拾微妙的形态模式。因此,系统地研究的主要技术挑战肿瘤微环境是如何自动分类不同类型的细胞和量化其空间分布,他说。
肖博士和他的团队开发的人工智能算法,称为ConvPath,克服这些障碍通过使用人工智能分类细胞类型从肺癌病理图像。
它是如何工作的:ConvPath算法可以“看”到细胞和识别其类型基于外表的病理图像使用人工智能算法,从人类病理学家学习。该算法有效地将病理图像转换成一个“地图”显示肿瘤细胞的空间分布和相互作用,基质细胞(即。,connective tissue cells), and lymphocytes (i.e., the白细胞在肿瘤组织。
肿瘤细胞集群是否好或扩散到基质淋巴结是一个因素暴露身体的免疫反应。所以知道的信息可以帮助医生定制治疗方案和确定正确的免疫疗法。
最终,该算法有助于病理学家获得最准确的癌细胞被快得多。
“这是耗时和困难的病理学家来定位非常小的肿瘤区域组织图像,这可以大大减少病理学家需要花的时间在每一个形象,”肖博士说,他也有一个约会在莉达希尔的生物信息学和属于定量生物医学研究中心(QBRC)和哈罗德·c·西蒙斯UTSW综合癌症中心。bob88体育平台登录
ConvPath软件——包含了图像分割,深度学习和特征提取算法——公开访问qbrc.swmed.edu/projects/cnn/。
进一步探索
用户评论