罕见疾病通常难以诊断,预测最佳治疗方案对临床医生来说具有挑战。美国布莱根妇女医院研究人员开发出一种深度学算法,可以让人工智能(AI)自学病理特征,在大型病理图像存储库中找到类似的病例。这种被称为SISH(组织学自我监督图像搜索)的新工具就像一个病理图像搜索引擎,具有许多潜在的应用,包括识别罕见疾病、帮助临床医生确定哪些患者可能对类似疗法产生反应。相关论文发表在最的《自然·生物医学工程》上。

研究表明,该系统可帮助诊断罕见疾病并找到具有相似形态模式的病例,而无需手动注释和查找大型数据集。该系统具有改善病理学训练、区分疾病亚型、肿瘤识别和罕见形态识别的潜力。

现代电子数据库可存储大量的数字记录和参考图像,尤其是在病理学方面的全幻灯片图像 (WSI)。但每个WSI就有千兆像素,且库中图像数量不断增加,使检索缓慢而复杂。因此,可扩展仍然是有效使用的障碍。

为了解决这个问题,研究人员开发了SISH,它可以自学,无论数据库大小如何,都能以恒定的速度找到病理学中具有相似特征的病例。

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信息的速度和能力,成功地从超过22000例患者病例、超过50种不同疾病和十几个解剖部位的数万张WSI的数据库中快速准确地检索到图像。在许多情况下,检索速度都优于其他方法,包括疾病亚型检索,尤其是当图像数据库规模扩大到数千张图像时。即使存储库规模扩大,SISH仍能保持恒定的搜索速度。

总体而言,这种AI算法展示了有效检索图像、诊断罕见疾病类型的能力,以及作为搜索引擎识别可能与诊断相关的某些图像区域的能力,有望极大促进未来的疾病诊断、预后和分析。

研究人员相信,随着图像数据库的规模不断扩大,SISH有助于更容易地识别疾病。该领域的一个重要方向是多模式病例检索,其中涉及联合使用病理学、放射学、基因组和电子病历数据来查找类似的患者病例。(科技日报记者 张梦然)

推荐内容