柏林大学,柏林工业大学和奥斯陆大学的研究人员开发了一种新的组织切片分析系统,用于基于人工智能(AI)的乳腺癌诊断。有两个进一步的发展使该系统独树一帜:首次将形态,分子和组织学数据整合到一个分析中。其次,系统以热图的形式阐明了AI决策过程中国机械网okmao.com。
这些热图逐像素显示哪些视觉信息影响了AI决策过程以及影响程度,从而使医生能够了解和评估AI分析结果的合理性。这代表着未来在医院中定期使用AI系统的决定性且必不可少的一步。这项研究的结果现已发表在自然机器智能。
癌症治疗越来越与肿瘤组织样品的分子表征有关。进行研究以确定DNA是否和/或如何在肿瘤组织中改变以及组织样品中的基因和蛋白质表达。同时,研究人员越来越意识到,癌症的进展与细胞间的串扰以及肿瘤细胞与周围组织(包括免疫系统)的相互作用密切相关。
尽管显微技术使生物学过程的研究具有很高的空间细节,但它们仅允许对分子标记物进行有限的测量。这些是使用从组织中提取的蛋白质或DNA来确定的。结果,不可能实现空间细节,并且这些标记物与微观结构之间的关系通常不清楚。“
我们知道,在乳腺癌的情况下,肿瘤组织中迁移的免疫细胞(称为淋巴细胞)的数量会影响患者的预后。关于这一数字是否具有预测价值也有讨论,在其他方面如果它使我们能够说出一种特定疗法的有效性,那就说吧。”Charité病理研究所的Frederick Klauschen教授说。
“我们面临的问题如下:我们拥有良好且可靠的分子数据,并且拥有具有高空间细节的良好组织学数据。我们还没有成像数据与高维分子数据之间的决定性联系,”柏林工业大学的机器学习教授Klaus-RobertMüller博士补充道。两位研究人员已经在位于柏林工业大学(TU Berlin)的柏林国家学习和数据基础研究所(BIFOLD)的国家AI卓越研究中心合作了多年。
正是这种共生关系使新发表的方法成为可能。Müller教授解释说:“我们的系统有助于检测显微图像中的病理变化。与此同时,我们能够提供精确的热图可视化,显示显微图像中的哪个像素对诊断算法做出了贡献,并在何种程度上做出了贡献。”
该研究小组还成功地进一步开发了该过程:“我们的分析系统已经使用机器学习过程进行了培训,因此它还可以预测各种分子特征,包括DNA的状况,基因表达以及蛋白质表达在组织的特定区域中,根据组织学图像。
接下来的议程是认证和进一步的临床验证-包括肿瘤常规诊断的测试。但是,克劳申(Klauschen)教授已经确信该研究的价值:“我们开发的方法将使将来有可能使组织病理学肿瘤诊断更加精确,标准化和质量上更好。