基于深度学习的组织虚拟染色有助于乳腺癌生物标志物的快速评估

乳腺癌是全球妇女癌症死亡的主要原因之一。在乳腺癌诊断后，常规进行her2(一种促进癌细胞生长的蛋白质)检测，以帮助评估癌症预后并制定her2导向的治疗方案。

标准的HER2检测程序包括取乳腺活检，将组织标本制备成薄的显微镜载玻片，用特定的化学试剂染色/染色载玻片，突出显示HER2蛋白，并在光学显微镜下检查染色载玻片以提供病理报告。

然而，这个标准的HER2染色程序遭受高成本而且由于染色过程需要费力的样品处理步骤(通常约24小时)，需要专家在专用的实验室设施中完成，所以周转时间很长。

在最近发表在BME前沿，加州大学洛杉矶分校的一个研究团队开发了一种计算染色方法深度学习它不需要任何化学物质就能进行HER2染色。研究小组捕获了未染色的乳腺组织的自发荧光信息，这是生物结构在吸收光时自然发出的。

他们进一步培训了深度神经网络它能迅速将这些无染色的自体荧光图像转换成虚拟的组织图像，显示出精确的颜色和对比度，就像组织切片被HER2化学染色一样。这种计算染色过程只需要几分钟，每个样品，不需要昂贵的设备或有毒化学品。只要使用一台计算机，HER2染色就可以更快、更经济、更快地完成乳腺癌评估和治疗。

经过认证的病理学家盲目验证了这种基于ai的虚拟HER2染色技术的诊断价值和染色质量。病理学家证实，深度学习生成的图像为HER2评估提供了等效的诊断准确性，着色质量可与实验室化学染色的标准图像相媲美。

这种以深度学习为动力的虚拟HER2染色方法消除了由组织学专家进行的昂贵、费力和耗时的HER2染色程序的需要，并可以扩展到其他癌症相关生物标志物的染色，以加快传统的组织病理学和诊断工作流程临床的设置．