Nat Biomed Eng:人工智能技术 可以自我学习 也可以使用病理图像找到类似的患者病例 以帮助诊断罕见的人类疾病

Nat Biomed Eng:人工智能技术，可以自我学习，或者可以使用病理图像找到类似的患者病例，以帮助诊断罕见的人类疾病。

来源：100医疗网原创2022-10-24 17336059

美国Brigham and Women's Hospital等机构的科学家通过研究开发了一种深度学习算法，这种算法可能能够通过自学来学习用于在大型病理图像数据库中搜索类似病例的特征。

罕见病通常很难诊断，如何阻止罕见病患者的最佳治疗方案是临床医生面临的巨大挑战。近日，在国际期刊《自然生物医学工程》上发表的一篇题为《通过自我监督的深度学习实现全切片图像的快速和可扩展搜索》的研究报告中，来自美国布莱根妇女医院等机构的科学家通过研究开发出了一种深度学习算法，该算法可能能够通过自我学习来学习用于在大型病理图像数据库中搜索相似病例的特征。

这个工具被称为SISH(组织学的自我监督图像搜索)，就像一个病理图像分析的搜索引擎。它有许多潜在的应用，包括识别罕见疾病和帮助临床医生确定哪些患者可能对类似的疗法有反应。研究人员费萨尔马哈茂德(Faisal Mahmood)表示，这项研究的结果表明，我们的系统可以帮助诊断罕见疾病，并在没有标注的情况下找到具有相似形态模式的病例，而且它不需要大规模的数据库来进行监督和训练。该系统有望改善病理学的训练、疾病亚型的分类、肿瘤的识别和罕见形态的识别。

现代电子数据库可以存储大量的数字记录和参考图像，尤其是病理学中的整片图像。然而，每个单个完整图像的千兆像素大小以及大型数据库中图像数量的增加意味着图像的搜索和检索可能会很慢并且非常复杂。因此，其可扩展性仍然是有效使用的相关障碍。为了解决这个问题，研究人员开发了SISH，让它自己学习相关特征。无论数据库大小，它都能以恒定的速度在case science中找到具有相似特征的案例。

人工智能技术，可以自我学习，或者可以使用病理图像找到类似的患者病例，以帮助诊断罕见的人类疾病。

图片：《自然生物医学工程》(2022)。doi :10.1038/s 41551-022-00929-8

在这项研究中，研究人员测试了SISH检索常见和罕见癌症的可解释疾病亚型的速度和能力。该算法可以成功地从超过22，000个患者病例的多个完整图像的数据库中检索相应的图像，包括超过50种不同的疾病类型和超过12个解剖位置。在许多情况下，SISH的检索速度超过了其他方法，包括疾病亚型检索。特别是当图像数据库的规模扩大到上千幅图像时，即使数据库规模扩大，SISH也能保持恒定的搜索速度。尽管这种算法具有一些限制，包括大的存储器需求、在大的组织切片中有限的背景感知以及受限于单一成像模式。总的来说，这种算法显示了其有效检索图像的能力，它不依赖于知识库的大小和不同的数据库。同时，它也显示了其在诊断罕见疾病类型方面的熟练程度，以及其作为搜索引擎识别可能与诊断相关的特定图像区域的能力。本文的研究工作可以为后来的科学家在疾病诊断、预后和分析方面提供大量的信息。

研究人员马哈茂德(Mahmood)表示，随着图像数据库的不断扩大，我们希望SISH能够更容易地识别和诊断疾病。我们认为该研究领域未来的重要方向是多模式病例检索，主要涉及利用病理学、放射学、基因组学和电子病历来寻找相似的患者病例。综上所述，本研究结果表明，研究人员对SISH在多个任务中的能力进行了评估，涵盖了22000个病例和56种疾病亚型，其中包括基于组织切片查询的检索能力。此外，SISH还可用于诊断人类罕见的癌症类型。对于这些疾病，可用的整体图像通常不足以训练有监督的深度学习模型。(100yiyao.com 100医疗网)

原始来源：

陈，陆，杨明义，杨德福，等。基于自监督深度学习的快速可扩展全切片图像检索。生物医学。Eng (2022)。doi:10.1038/s41551-022-00929-8

版权声明

本网站所有标注“来源：100医学网”或“来源：bioon”的文字、图片及音视频资料，版权归100医学网网站所有。未经授权，任何媒体、网站、个人不得转载，否则将追究法律责任。获得书面授权转载时，必须注明“来源：100医学网”。其他来源的文章均为转载文章。本网站所有转载文章都是为了传递更多信息。转载内容不代表本站立场。不想被转载的媒体或个人可以联系我们，我们会立即删除。

87%的用户都在使用100医疗网APP随时阅读、评论、分享、交流。请扫描二维码下载-