计算机视觉/视频分析

AI 赋能平台推动个性化癌症诊断和治疗

近期的一项研究引入了先进的 AI 病理学平台,该平台可帮助医生快速、准确地诊断和评估肺癌患者。该工具由 University of Cologne 的医学院和 University Hospital Cologne 的一组研究人员开发,可对良性肿瘤和癌变组织进行全自动、深入的分析,从而实现更快、更个性化的治疗。

肺癌以高死亡率而闻名,但精确的诊断和个性化治疗可改善患者的治疗效果。传统上,肿瘤科医生会在显微镜下手动检查组织样本,以识别揭示癌症的细胞和结构特征然而,即使进行专家分析,这一过程也非常耗时、主观且容易发生变化,从而导致误诊。

研究人员开发了一个基于深度学习的多类别组织分割平台,该平台可以自动分析数字化肺部组织样本,并筛查癌症,提供该区域的细胞细节。

该 AI 模型基于来自六家机构的大型数据集进行训练和验证,共包含来自 1,527 名患者的 4,097 张带注释的幻灯片。

An illustration showing the digitized slides samples of the different classes the AI tool can identify.
图 1. AI 算法可以识别的 11 种组织类别。

研究的资深作者 Yuri Tolkach 表示:“该算法可以区分 11 种组织类型,从肿瘤组织、肿瘤相关类别(例如肿瘤基质、坏死碎片、粘液)到软骨和淋巴组织不等。它显示出了不同类别分割的像素级精度非常高,平均 Dice 评分为 0.893。”

研究人员使用了科隆大学的高性能计算集群,该集群配备 12 个 NVIDIA V100 GPUs、病理学研究所的 AI 服务器上的四个 NVIDIA A100 GPUs,以及配备 NVIDIA GeForce RTX 3090NVIDIA RTX 4090 GPUs 的 PC 工作站。

此设置支持快速分析整个幻灯片图像,每张 200 到 2000 Mb 的全幻灯片图像大约需要 1 到 5 分钟来分析。

托尔卡奇表示:“通过 NVIDIA 学术资助计划为 NVIDIA Quadro P6000 GPU 提供的资助,我们得以成立研究小组,并在《Nature Machine Intelligence》上发表了我们的第一项大型癌症研究。”

AI 工具还可以揭示细胞环境中肿瘤和免疫细胞的详细特征,从而揭示癌症在体内的相互作用方式。

识别肉眼不可见的组织样本中的细微模式和关系,有助于为更精确、更有效的治疗方法提供信息,并深入了解患者对特定癌症治疗的反应。

本研究中使用的代码可在 GitHub 上获取。阅读研究“Next-generation lung cancer pathology: Development and validation of diagnostic and prognostic algorithms”。

 

Tags