人工智能算法或加速癌症诊断 |《自然-医学》

《自然-医学》本周发表的一篇论文Clinical-grade computational pathology using weakly supervised deep learning on whole slide images介绍了一种可以分辨健康组织和癌组织的人工智能系统。该算法或能帮病理学家排除最多75%的无有用信息组织样本,同时确保100%的敏感性,有望用来辅助癌症中心的病理诊断,提高常规临床实践的效率。


一直以来,由于数字病理系统缺少能达到临床诊断准确性的模型、难以应付肿瘤医院常规需要处理的大量病例,这些专为改善癌症患者护理的系统在使用上受到了一定的限制。

数据概况以及本研究提出的深度学习框架。

来源:Campanella et al.

美国纪念斯隆-凯特琳癌症中心病理科的Thomas Fuchs和同事构建了一个大规模真实世界数据集,包括来自逾1.5万名前列腺癌、皮肤癌、乳腺癌患者的逾4.4万例组织切片。作者还建立了一个无需病理学家人工标注就能识别组织样本中肿瘤细胞的深度学习模型。结果显示,即使样本中存在气泡、刀片碎屑或褶皱这些不规则体,模型对这些肿瘤的诊断仍能达到临床水平。

作者指出,该方法可用来简化病理学家的工作流程,让他们集中力量复查那些含有用信息的肿瘤组织切片

nm|doi:10.1038/s41591-019-0508-1

点击“阅读原文”阅读论文

Clinical-grade computational pathology using weakly supervised deep learning on whole slide images

相关文章

“AI临床医生”在败血症治疗中超越人类医生|《自然-医学》论文

AI“儿科医生”可准确诊断常见儿童疾病 |《自然-医学》

微信扫一扫 分享到朋友圈
微口订阅号

关注订阅号

社交媒体运营经验交流
流量电商行业动态讨论

热点事件
微口订阅号

关注订阅号

社交媒体运营经验交流
流量电商行业动态讨论

阅读下一篇
微口订阅号

自媒体运营攻略
行业经验交流

关闭

创建藏点

藏点名称
藏点说明
藏点封面
转藏至我的藏点 +新建藏点
    关闭
    确定 取消