病理学家的数量下降,团队开发人工智能用作诊断工具
![a. A 2D visualization of the image feature vectors by applying t-SNE. Each point represents a single patient in the BCCA test set. The t-SNE embedding maps patients with similar image features to near points, and patients with dissimilar image features to far points. The points are colored by the PD-L1 prediction scores of their corresponding patients. The 8 patients that were classified positive by the first pathologist and low-PS by the system are marked and their classifications by both pathologists are noted. b. The TMA images corresponding to the t-SNE embedding are presented. Several examples of low and high prediction score images are shown, to demonstrate the characteristics observed by the pathologists. Examples of partially missing tissues are shown at the bottom. Credit: <i>Nature Communications</i> (2022). DOI: 10.1038/s41467-022-34275-9 AI博士,我的诊断是什么?](https://scx1.b-cdn.net/csz/news/800a/2022/dr-ai-whats-my-diagnos.jpg)
九分之一的女性在发达国家将在她的生活中被诊断出患有乳腺癌。乳腺癌的发病率正在增加,造成部分产生影响的现代生活方式和提高寿命。幸运的是,治疗变得更有效率和更个性化。然而,并不是提高实际上是decreasing-is病理学家的数量,或专业化的医生检查身体组织提供所需的特定诊断个性化医疗。
在以色列理工学院的一组研究人员因此要求把电脑变成了有效的病理学家的助手,简化和改善人类的医生的工作。他们的新研究最近发表在自然通讯。
吉尔•博士和阿米尔的特定任务Livne从实验室教授罗恩Kimmel的亨利和玛丽莲陶布学院计算机科学带着手实现免疫疗法的范围内。免疫治疗已取得突出近年来作为一个有效的,有时甚至是改变游戏规则的几种类型的癌症治疗。这种形式的治疗的基础是鼓励身体自身的免疫系统攻击肿瘤。然而,正确的药物等治疗必须是个性化的,必须管理的患者将受益于它基于特定肿瘤的特征。
多种自然机制防止我们的免疫系统攻击我们的身体。这些机制往往利用癌症肿瘤逃避免疫系统。这样一个机制是相关PD-L1 protein-some肿瘤显示它,和它作为一种密码错误令人信服的癌症的免疫系统不应该攻击。特定的免疫疗法PD-L1说服免疫系统可以忽略这个密码,当然只会在肿瘤表达PD-L1时有效。
这是一个病理学家的任务来确定病人的肿瘤表达PD-L1。昂贵的化学标记用于染色切片从肿瘤为了获得答案。这个过程是不平凡的,耗时的,有时不一致。沙博士和他的团队采取了不同的方法。近年来,它已成为一个得到实践活检被扫描,这样他们就可以被用于数字病理分析。Amir Livne Kimmel沙博士和教授决定是否一个神经网络可以使用这些扫描诊断无需额外的流程。“他们告诉我们不能做的,”研究小组说,“当然,我们必须证明他们错了。”
神经网络训练的方式类似于儿童如何学习:他们面对多个标记的例子。孩子显示许多狗和其他各种东西,从这些例子形式的“狗”是什么。提出了神经网络Kimmel教授的团队开发了数字切片图像的3376名患者表达或不表达PD-L1标记。初步验证之后,它被要求确定额外的临床试验切片图像从275年PD-L1患者积极的还是消极的。它表现好于预期:70%的病人,能够自信地和正确地确定答案。剩余的30%的病人,程序找不到的视觉模式,使它能够决定或另一种方式。有趣的是,在情况下,人工智能(AI)不同意人类病理学家的决心,第二个测试证明了AI是正确的。
“这是一个重大的成就,Kimmel教授解释道。“电脑发现他们的变化并不区分人类的眼睛。细胞排列不同,如果他们现在PD-L1与否,但差异如此之小,即使是训练有素的病理学家不能自信地识别它们。现在我们的神经网络可以。”
这一成就是一个团队的工作由吉尔•博士和研究生Amir Livne发达的技术,设计了实验,安东尼奥·波罗尼亚博士分子病理学和免疫学研究所的大学的波尔图,葡萄牙,爱德蒙Sabo和亚历山德拉Cretu博士教授卡梅尔医疗中心在海法,以色列专家病理学家进行了研究,并与吉尔Bar-Sela教授的支持,肿瘤学和血液学部门主管在Afula Haemek医疗中心,以色列。
“这是一个惊人的机会,汇集人工智能和医学方面的领域,”沙博士说。“我爱数学,我喜欢开发算法。能够使用我的技能来帮助人们,推动医学更比我想象当我开始作为一个计算机系的学生。”He is now leading a team of 15 researchers, who are taking this project to the next level.
“我们预计人工智能成为一个强大的工具在医生的手,“共享Kimmel教授。“人工智能可以协助或验证诊断,它可以帮助匹配单个病人的治疗,它可以提供一个预后。我不认为它可以或应该取代人类的医生。但它可以做一些元素的医生的工作更简单、更快捷、更准确。”