在最新研究中，麻省總醫(yī)院百瀚醫(yī)療系統(tǒng)和華盛頓大學的研究團隊提出了Tripath，一種新型深度學習模型，該模型能夠利用三維病理數(shù)據(jù)集來預測臨床結果。這一突破性研究已發(fā)表在2024年5月9日的Cell期刊上，論文標題為“利用弱監(jiān)督AI分析三維病理樣本”。
研究團隊采用兩種先進的三維高分辨率成像技術對前列腺癌標本進行成像，隨后訓練模型以預測前列腺癌在人體活檢組織中復發(fā)的風險。通過全面捕捉組織整體的三維形態(tài)，Tripath的表現(xiàn)不僅超越了病理學家，也優(yōu)于依賴二維形態(tài)和薄組織切片的傳統(tǒng)深度學習模型。
盡管新方法尚需在更大規(guī)模的數(shù)據(jù)集中進行驗證，以進一步開發(fā)并應用于臨床，但研究人員對其在輔助臨床決策方面的潛力持樂觀態(tài)度。
論文第一作者、麻省總醫(yī)院百瀚醫(yī)療系統(tǒng)病理學系的Andrew H. Song博士表示：“我們的方法突出了全面分析組織樣本整體體積對于準確預測患者風險的重要性，這是Tripath模型的核心特征，也是三維病理學模式才能實現(xiàn)的。”
共同通訊(http://www.weberwork.com/sell/l_25/)作者、同樣來自麻省總醫(yī)院百瀚醫(yī)療系統(tǒng)病理學系的Faisal Mahmood博士指出：“結合人工智能和三維空間生物學技術的進步，Tripath為臨床決策支持提供了一個新框架，并可能揭示出影響預后和治療反應的新型生物標志物。”
另一位共同通訊作者、華盛頓大學的Jonathan Liu博士補充道：“在我們以往的三維病理學研究工作中，我們主要關注特定結構如前列腺網(wǎng)絡，但Tripath是我們首次嘗試利用深度學習提取亞視覺三維特征進行風險分層，這一創(chuàng)新在指導關鍵治療決策方面展現(xiàn)了巨大潛力。”
