一种新的机器学习模型可以在病理学层次上对肺癌幻灯片进行分类

近年来，机器学习有了显著的改进，并在医学图像分析领域显示出了巨大的前景。达特茅斯Norris Cotton癌症中心的一组研究专家利用机器学习能力来协助对肺腺癌的肿瘤模式和亚型进行分级这一具有挑战性的任务。肺腺癌是全球癌症相关死亡的主要原因中最常见的一种。

目前，肺腺癌需要病理学家对肺叶切除术切片进行目视检查，以确定肿瘤的类型和亚型。这种分型对预后和治疗的决定有重要作用肺癌但是，这是一个困难和主观的任务。利用机器学习的最新进展，由Saeed Hassanpour，Ph.D的团队开发了一个深度神经网络，对组织病理学幻灯片进行分类，发现不同类型的肺腺癌，发现该模型与三位实践病理学家进行了针对性。

Hassanpour说:“我们的研究表明，机器学习可以在具有挑战性的图像分类任务上实现高性能，并有潜力成为肺癌管理的资产。”“我们系统的临床应用将能够帮助病理学家准确分类肺癌亚型，这对预后和治疗至关重要。”

团队的结论，“切除肺腺癌的组织学模式的病理学家级分类载玻片深神经网络都是新近出版的科学报告。认识到该方法可能适用于其他组织病理学图像分析任务，Hassanpour的团队公开可用于促进该领域的新研究和合作。

除了测试深度学习模型临床上为了验证其改善肺癌分类的能力，该团队计划将该方法应用于其他具有挑战性的组织病理学图像分析任务，如乳腺癌、食道癌和结肠直肠癌。“如果验证通过临床试验，我们的神经网络模型可能会实施临床实践协助病理学家，“Hassanpour说。”我们的机器学习方法也很快，可以在不到一分钟内处理幻灯片，因此它可以通过医生审查之前帮助患者，并可能在幻灯片的视觉检查中辅助病理学家。“

---

---