中国基因网您的位置:首页 >基因科普 >

人工智能识别与癌症预后相关的未知特征

由日本RIKEN高级智能项目中心(AIP)开发的人工智能(AI)技术成功地在人类癌症患者的病理图像中发现了特征,没有注释,这是人类医生可以理解的。此外,人工智能确定了与癌症预后有关的特征,这是病理学家以前没有注意到的,导致前列腺癌复发的准确性高于基于病理学家的诊断。将人工智能所做的预测与人类病理学家的预测相结合,导致了更高的准确性。

据发表在《自然通讯》上的研究报告的第一作者山本洋一郎说,

这项技术可以通过从图像中获取新知识,使癌症复发的高度准确预测成为可能,从而为个性化医学做出贡献。它还有助于了解如何通过帮助解决人工智能被视为一个“黑匣子”的问题,将人工智能安全地用于医学。

由Yamamoto和Go Kimura领导的研究小组与日本一些大学医院合作,采取了一种称为“无监督学习”的方法。只要人类教授人工智能,就不可能获得超越目前所知的知识。人工智能不是被“教授”医学知识,而是被要求学习使用无监督的深层神经网络,被称为自动编码器,而不需要任何医学知识。研究人员开发了一种方法,将人工智能发现的特征(最初只有数字)翻译成人类可以理解的高分辨率图像。

为了完成这一壮举,该小组从日本医学院医院(NMS H)获得了13188张前列腺的完整病理幻灯片图像,数据量巨大,相当于大约860亿张图像补丁(分为深层神经网络的子图像),计算是在AIP强大的RAIDEN超级计算机上进行的。

该人工智能学习使用病理图像,没有诊断注释从1100万个图像补丁。人工智能发现的特征包括全球使用的关于Gleason评分的癌症诊断标准,但也包括在专家不知道的非癌症领域涉及基质-支持器官的结缔组织。为了评估这些AI发现的特征,研究小组使用来自NMSH(内部验证)的剩余病例验证了复发预测的性能。该小组发现,人工智能发现的特征比基于病理学家制定的人类既定癌症标准Gleason评分(AUC=0.744)的预测更准确(AUC=0.820)。此外,结合人工智能发现的特征和人类建立的标准,比单独使用这两种方法更准确地预测复发(AUC=0.842)。该小组使用另一个数据集证实了这一结果,其中包括来自圣马利亚纳大学医院和爱知医科大学医院(外部验证)的2276张全山病理图像(100亿张图像补丁)。

山本说:“我非常高兴地发现,人工智能能够从无注释的病理图像中自己识别癌症。我非常惊讶地看到,人工智能发现了病理学家尚未发现的可用于预测复发的特征。”

他继续说,“我们已经证明,人工智能可以自动从无诊断注释的组织病理学图像中获得人类可以理解的知识。这种“新生”的知识可以通过允许对癌症复发的高度准确的预测对患者有用。非常好的是,我们发现将人工智能的预测与病理学家的预测相结合,进一步提高了准确性,表明人工智能可以与医生一起使用,以改善医疗保健。此外,人工智能可以作为一种工具来发现迄今尚未注意到的疾病的特征,而且由于它不需要人类知识,它可以用于医学以外的其他领域。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如有侵权行为,请第一时间联系我们修改或删除,多谢。

推荐内容