使用Ceoggraph进行病理图像分类的图示。图片来源：物理学家组织网
美国得克萨斯大学西南医学中心研究人员开发了一种新的人工智能（AI）模型，可分析组织样本中细胞的空间排列。12月11日发表在《自然·通讯》上的这一创新方法，准确地预测了癌症患者的结果，标志着在利用AI进行癌症预后和个性化治疗策略方面取得了重大进展。
细胞的空间组织就像一个复杂的拼图，每个细胞都是一块独特的拼图碎片，精心组装在一起，就形成一个有凝聚力的组织或器官结构。这项研究展示了AI非凡的能力，它能把握组织内细胞之间的这些错综复杂的空间关系，提取以前人类无法理解的微妙信息，同时预测患者的预后。
组织样本通常从患者身上收集，并放在玻片上供病理学家解读，病理学家对其进行分析以作出诊断。然而，这个过程很耗时，不同的病理学家的解释也不尽相同。此外，专家可能会忽略病理图像中的细微特征，这些特征可能隐藏着关于患者病情的重要线索。
新的AI模型Ceoggraph模仿了病理学家阅读组织切片的方式。首先，它检测图像中的细胞及其位置；接着，它识别细胞类型及其形态和空间分布；最后，AI能创建一个地图，在其中可分析细胞的排列、分布和相互作用。
研究人员成功地将这一工具应用于使用病理切片的3个临床场景。在其中一项研究中，他们使用Ceoggraph来区分肺癌的两种亚型——腺癌和鳞状细胞癌；在另一项研究中，他们预测了口腔癌前病变进展为癌症的可能性。在第3项研究中，他们确定了哪些肺癌患者最有可能对表皮生长因子受体抑制剂产生反应。
在各种情况下，Ceoggraph模型在预测患者结果方面都显著优于传统方法。研究人员称，Ceoggraph确定的细胞空间组织特征是可解释的，并有助于从生物学角度深入了解个体细胞间相互作用的变化如何产生不同的功能后果。这些发现突显了AI在医疗保健中日益重要的作用，为提高病理分析的效率和准确性提供了一种方法，有可能简化高危人群的针对性预防措施，并优化个体患者的治疗选择。
未来，人工智能或将帮助科研工作者跳过文献检索、粗读的过程，直接找到需要的文献，大幅提升科研工作者的文献阅读效率。 “太忙了。”这是清华大学人工智能（AI）国际治理研究院副院长梁正面对记者脱口而出的一句话。 去年11 距离地球“只有”大约2200万光年的超新星SN 2023ixf发生了爆炸，也许它不是浩渺宇宙中最独特的星体，但其爆炸却对地球上的 ·GLP-1类药物正在以令人兴奋和不安的方式重塑医学、流行文化，甚至全球股市。制药公司掀起一场“肥胖革命”，但 “这些小胶质细胞在tau蛋白病变有效地扩散到下一个细胞之前就开始吸收并降解tau蛋白。没有tau病理学，就不会有神经退 冰岛气象局当地时间12月30日说，雷克雅内斯半岛渔港小镇格林达维克附近一座火山的岩浆在地下岩浆通道内积聚，当地可能再 。本文链接：AI分析组织样本准确预测癌症结果http://www.sushuapos.com/show-11-1595-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 促进生成式AI赋能抗病毒新药研发，这两个机构达成合作
下一篇： 科学家发明小鼠虚拟现实护目镜