AI分析组织样本准确预测癌症结果
使用Ceoggraph进行病理图像分类的分析图示。图片来源:物理学家组织网 科技日报记者 张佳欣 美国得克萨斯大学西南医学中心研究人员开发了一种新的组织准确人工智能(AI)模型,可分析组织样本中细胞的样本预测空间排列。12月11日发表在《自然·通讯》上的癌症这一创新方法,准确地预测了癌症患者的结果结果,标志着在利用AI进行癌症预后和个性化治疗策略方面取得了重大进展。分析 细胞的组织准确空间组织就像一个复杂的拼图,每个细胞都是样本预测一块独特的拼图碎片,精心组装在一起,癌症就形成一个有凝聚力的结果组织或器官结构。这项研究展示了AI非凡的分析能力,它能把握组织内细胞之间的组织准确这些错综复杂的空间关系,提取以前人类无法理解的样本预测微妙信息,同时预测患者的癌症预后。 组织样本通常从患者身上收集,结果并放在玻片上供病理学家解读,病理学家对其进行分析以作出诊断。然而,这个过程很耗时,不同的病理学家的解释也不尽相同。此外,专家可能会忽略病理图像中的细微特征,这些特征可能隐藏着关于患者病情的重要线索。 新的AI模型Ceoggraph模仿了病理学家阅读组织切片的方式。首先,它检测图像中的细胞及其位置;接着,它识别细胞类型及其形态和空间分布;最后,AI能创建一个地图,在其中可分析细胞的排列、分布和相互作用。 研究人员成功地将这一工具应用于使用病理切片的3个临床场景。在其中一项研究中,他们使用Ceoggraph来区分肺癌的两种亚型——腺癌和鳞状细胞癌;在另一项研究中,他们预测了口腔癌前病变进展为癌症的可能性。在第3项研究中,他们确定了哪些肺癌患者最有可能对表皮生长因子受体抑制剂产生反应。 在各种情况下,Ceoggraph模型在预测患者结果方面都显著优于传统方法。研究人员称,Ceoggraph确定的细胞空间组织特征是可解释的,并有助于从生物学角度深入了解个体细胞间相互作用的变化如何产生不同的功能后果。这些发现突显了AI在医疗保健中日益重要的作用,为提高病理分析的效率和准确性提供了一种方法,有可能简化高危人群的针对性预防措施,并优化个体患者的治疗选择。
-
上一篇
-
下一篇
- 最近发表
- 随机阅读
-
- “中国天眼”发现新脉冲星数量突破900颗
- 喝牛奶或降“乳糖不耐”者Ⅱ型糖尿病风险
- 创新连线·俄罗斯
- 严寒来袭 武铁武汉北车站快速中转电煤列车
- 应急管理部:各地排查重大事故隐患39.5万项
- 一箭五星发射成功 “力箭一号”三战三捷
- 科技创新世界潮
- 两部门针对新疆地震启动地震三级应急响应,派出工作组赶赴震区
- 原创音乐剧《亦梦亦真》唱响科技自立自强之声
- 喝牛奶或降“乳糖不耐”者Ⅱ型糖尿病风险
- 云南镇雄山体滑坡已致20人遇难,24人失联
- 新疆阿克苏地区乌什县发生7.1级地震 震感强烈
- 为世界遗产明孝陵监测生态环境“小气候”
- 首批生育力保护与保存临床分中心启动建设
- 青岛农大苹果新品种“福星”卖出1000万元
- 日服复合维生素可能减缓老人记忆力下降
- 六部门开展专项整治向医保基金违法违规问题“亮剑”
- 肿瘤免疫逃避新调节因子现形
- 传统文化搭平台 科普教育唱大戏——未来智能科技研究院举办科普庙会活动
- 上海“揭榜挂帅”带来局部突围 这位人大代表提出六点建议
- 搜索
-