智能工具為癌癥等疾病帶來了更快的精確病理學

一種新的人工智能工具可以以前所未有的清晰度解釋醫學圖像，這種方式可以讓時間緊張的臨床醫生將注意力集中到疾病診斷和圖像解釋的關鍵方面。

該工具名為iStar(推斷超分辨率組織結構)，由賓夕法尼亞大學佩雷爾曼醫學院的研究人員開發，他們相信他們可以幫助臨床醫生診斷和更好地治療否則可能無法檢測到的癌癥。該成像技術不僅提供了單個細胞的高度詳細的視圖，還提供了對人類基因如何運行的完整光譜的更廣泛的視圖，這將使醫生和研究人員能夠看到否則可能幾乎看不見的癌細胞。

該工具可用于確定癌癥手術是否達到了安全范圍，并自動為顯微圖像提供注釋，為該級別的分子疾病診斷鋪平道路。由副研究員“David”Zhang博士和生物統計學和數字病理學教授Li博士領導的關于該方法的論文今天發表在《自然生物技術》雜志上。

李說，iStar能夠自動檢測稱為“三級淋巴結構”的關鍵抗腫瘤免疫形成，這種結構的存在與患者的可能存活和對免疫療法的有利反應相關，免疫療法通常用于癌癥，并要求患者選擇的高精度。李說，這意味著，iStar可能是一個強有力的工具，用于確定哪些患者將從免疫療法中獲益最多。

iStar的發展是作為空間轉錄組學領域的一部分進行的，空間轉錄組學是一個相對較新的領域，用于繪制組織空間內的基因活動。李和她的同事采用了一種叫做分層視覺轉換器的機器學習工具，并在標準組織圖像上訓練它。

根據李的說法，它首先將圖像分成不同的階段，從小處開始，尋找細微的細節，然后向上移動，“抓住更廣泛的組織模式”。iStar內部由人工智能系統引導的網絡使用來自分層視覺轉換器的信息，然后吸收所有這些信息，并將其應用于預測基因活動。