AI 赋能平台推动个性化癌症诊断和治疗

近期的一项研究引入了先进的 AI 病理学平台，该平台可帮助医生快速、准确地诊断和评估肺癌患者。该工具由 University of Cologne 的医学院和 University Hospital Cologne 的一组研究人员开发，可对良性肿瘤和癌变组织进行全自动、深入的分析，从而实现更快、更个性化的治疗。

肺癌以高死亡率而闻名，但精确的诊断和个性化治疗可改善患者的治疗效果。传统上，肿瘤科医生会在显微镜下手动检查组织样本，以识别揭示癌症的细胞和结构特征然而，即使进行专家分析，这一过程也非常耗时、主观且容易发生变化，从而导致误诊。

研究人员开发了一个基于深度学习的多类别组织分割平台，该平台可以自动分析数字化肺部组织样本，并筛查癌症，提供该区域的细胞细节。

该 AI 模型基于来自六家机构的大型数据集进行训练和验证，共包含来自 1,527 名患者的 4,097 张带注释的幻灯片。

图 1. AI 算法可以识别的 11 种组织类别。

研究的资深作者 Yuri Tolkach 表示：“该算法可以区分 11 种组织类型，从肿瘤组织、肿瘤相关类别（例如肿瘤基质、坏死碎片、粘液）到软骨和淋巴组织不等。它显示出了不同类别分割的像素级精度非常高，平均 Dice 评分为 0.893。”

研究人员使用了科隆大学的高性能计算集群，该集群配备 12 个 NVIDIA V100 GPUs、病理学研究所的 AI 服务器上的四个 NVIDIA A100 GPUs，以及配备 NVIDIA GeForce RTX 3090 和 NVIDIA RTX 4090 GPUs 的 PC 工作站。

此设置支持快速分析整个幻灯片图像，每张 200 到 2000 Mb 的全幻灯片图像大约需要 1 到 5 分钟来分析。

托尔卡奇表示：“通过 NVIDIA 学术资助计划为 NVIDIA Quadro P6000 GPU 提供的资助，我们得以成立研究小组，并在《Nature Machine Intelligence》上发表了我们的第一项大型癌症研究。”

AI 工具还可以揭示细胞环境中肿瘤和免疫细胞的详细特征，从而揭示癌症在体内的相互作用方式。

识别肉眼不可见的组织样本中的细微模式和关系，有助于为更精确、更有效的治疗方法提供信息，并深入了解患者对特定癌症治疗的反应。