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明升手机版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。
特别声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，请与我们接洽。
