近期的一項研究引入了先進的 AI 病理學平臺，該平臺可幫助醫生快速、準確地診斷和評估肺癌患者。該工具由 University of Cologne 的醫學院和 University Hospital Cologne 的一組研究人員開發，可對良性腫瘤和癌變組織進行全自動、深入的分析，從而實現更快、更個性化的治療。
肺癌以高死亡率而聞名，但精確的診斷和個性化治療可改善患者的治療效果。傳統上，腫瘤科醫生會在顯微鏡下手動檢查組織樣本，以識別揭示癌癥的細胞和結構特征然而，即使進行專家分析，這一過程也非常耗時、主觀且容易發生變化，從而導致誤診。
研究人員開發了一個基于深度學習的多類別組織分割平臺，該平臺可以自動分析數字化肺部組織樣本，并篩查癌癥，提供該區域的細胞細節。
該 AI 模型基于來自六家機構的大型數據集進行訓練和驗證，共包含來自 1,527 名患者的 4,097 張帶注釋的幻燈片。
研究的資深作者 Yuri Tolkach 表示：“該算法可以區分 11 種組織類型，從腫瘤組織、腫瘤相關類別（例如腫瘤基質、壞死碎片、粘液）到軟骨和淋巴組織不等。它顯示出了不同類別分割的像素級精度非常高，平均 Dice 評分為 0.893。”
研究人員使用了科隆大學的高性能計算集群，該集群配備 12 個 NVIDIA V100 GPUs、病理學研究所的 AI 服務器上的四個 NVIDIA A100 GPUs，以及配備 NVIDIA GeForce RTX 3090 和 NVIDIA RTX 4090 GPUs 的 PC 工作站。
此設置支持快速分析整個幻燈片圖像，每張 200 到 2000 Mb 的全幻燈片圖像大約需要 1 到 5 分鐘來分析。
托爾卡奇表示：“通過 NVIDIA 學術資助計劃為 NVIDIA Quadro P6000 GPU 提供的資助，我們得以成立研究小組，并在《Nature Machine Intelligence》上發表了我們的第一項大型癌癥研究。”
AI 工具還可以揭示細胞環境中腫瘤和免疫細胞的詳細特征，從而揭示癌癥在體內的相互作用方式。
識別肉眼不可見的組織樣本中的細微模式和關系，有助于為更精確、更有效的治療方法提供信息，并深入了解患者對特定癌癥治療的反應。
本研究中使用的代碼可在 GitHub 上獲取。閱讀研究“Next-generation lung cancer pathology: Development and validation of diagnostic and prognostic algorithms”。
?
