人工智能推动病理学从二维转向三维
人体组织错综复杂，并呈现三维结构。然而，病理学家用于诊断疾病的组织薄片是二维的，这使得难以完全反映组织的真实复杂性。在病理学领域，使用三维方法检查组织的需求日益增长。然而，三维病理数据集的数据量可能是二维数据集的数百倍，使得人工检查变得不切实际。美国麻省总医院百瀚医疗系统（Mass General Brigham）的研究人员和华盛顿大学的合作者们，提出了一种名为Tripath的新型深度学习模型，该模型能够使用三维病理数据集进行临床结果预测。他们使用两种高分辨率三维成像技术对精选的前列腺癌样本进行成像，并训练模型预测前列腺癌在人体组织活检中复发的风险。Tripath通过全面捕捉整个组织体的三维形态，其表现优于传统病理学家，也超过了依赖二维形态和薄组织切片的深度学习模型。
该研究结果已发表在《细胞》（Cell）杂志上。尽管这种新方法需要在更大的数据集上进行验证以便进一步用于临床，但研究人员对其在帮助临床决策方面的潜力持乐观态度。
頁:
[1]