美国哈佛医学院Faisal Mahmood等研究人员协作使用弱监督人工智能剖析3D病理样本。相关论文于2024年5月9日发表于世界学术期刊《细胞》。
研究人员表明,人体安排自身是三维(3D)的,传统上经过规范安排病理学查看的是有限的二维(2D)横截面,因为取样误差,这些横截面不能充沛代表安排。为了全面描绘安排形状学的特征,人们开发了3D成像形式,但杂乱的人工评价和缺少从大型高分辨率数据会集提炼临床见地的核算渠道阻止了临床转化。
研究人员报导的TriPath是一种深度学习渠道,用于处理安排体积并依据3D形状特征有用猜测临床成果。复发危险分级模型是经过开顶光片显微镜或微型核算机断层扫描成像的前列腺癌标本进行练习的。经过全面捕捉3D形状,根据3D容积的预后剖析成果优于传统的根据2D切片的办法,包含来自六位认证泌尿生殖病理学家的临床/安排病理学基线。归入更大的安排容积可进步预后功能,并减轻取样误差形成的危险猜测变异,这进一步强调了捕捉更大规模的异质性形状的价值。