科學家融合人工智能 3D組織成像來識別侵襲性前列腺癌

凱斯西儲大學和華盛頓大學的研究人員希望通過將人工智能(AI)驅動的診斷成像與三維(3D)組織成像相結合，獲得對高度侵襲性前列腺癌的寶貴新見解。

研究人員表示，這種新的AI-3D合作將為前列腺癌細胞提供前所未有的擴展視圖和理解，這將通過一種稱為“光片顯微鏡”的新方法實現。(由馬克·斯通/華盛頓大學在上面的照片中看到)。

前列腺癌是最常見的非皮膚癌。根據前列腺癌基金會的數據，醫生將診斷出全國八分之一的男性患有前列腺癌，每40人中就有1人死于這種疾病。

凱斯西儲計算成像和個性化診斷中心主任AnantMadabhushi和華盛頓大學(UW)機械工程和生物工程教授JonathanLiu是這項新工作的共同領導者，并將拆分資金。隸屬于國立衛生研究院的國家癌癥研究所(NCI)正在以5年313萬美元的贈款支持這項研究。

“這是該領域兩種最強大技術的前所未有的結合，”同時也是凱斯工程學院唐奈爾研究所生物醫學工程教授的馬達布希說。“我們將采用我們開發的人工智能，并首次能夠將其應用于華盛頓大學擅長的3D組織成像，并獲得精細、精細的細節。”

劉說，與凱斯西儲的Madabhushi實驗室合作是“一個顯而易見且理想的選擇，因為開發可解釋的人工智能方法將促進臨床采用像我們這樣的新成像技術。”

識別侵襲性癌癥

Madabhushi說，這一精細細節有望揭示更多關于如何識別哪些前列腺癌病例對患者更具侵襲性的信息。

他說，了解這一點可以幫助臨床醫生確定誰將從手術或放射治療中受益，以及哪些患者可能會受到積極監測。

Madabhushi說，研究人員還可能正在為開發所謂的“基于病理分類器”的許多其他癌癥的疾病結果奠定基礎。

病理組學是指應用計算機視覺和人工智能，使用數據表征算法從組織圖像中提取大量特征。然后，這些特征可以幫助發現肉眼通常看不到的腫瘤和其他特征。

Madabhushi的實驗室成立于2012年，現已成為該領域的全球領導者，專門通過結合醫學成像、機器學習和人工智能來檢測、診斷和表征各種癌癥和其他疾病。

到目前為止，研究人員一直在使用機器學習完全專注于二維圖像。

“我們相信，我們將能夠訓練我們的AI來詢問3D組織圖像，并取得與二維圖像相同的成功，”Madabhushi說。“但在3D中尋找新信息有很多新的可能性。”

3D如何融入

Liu和他的團隊開發了一種新的非破壞性方法，可以對整個3D活檢進行成像，而不僅僅是切片。該技術提供了組織的全視圖圖像，并改進了對患者是否患有侵襲性癌癥的預測。

“隨著我們的開放式光片顯微鏡技術的成功，下一個要克服的明顯挑戰是處理和分析我們從臨床標本中生成的大量特征豐富的3D數據集，”劉說。他說，與凱斯西儲的Madabhushi實驗室合作是“一個顯而易見且理想的選擇，因為開發可解釋的人工智能方法將有助于臨床采用像我們這樣的新成像技術。”

“這項(贈款)將幫助我們擴大現有合作，以證明計算3D病理學可以改善不同人群前列腺癌患者的關鍵治療決策，”劉說。

當然，3D圖像比2D圖像提供更多信息。在這種情況下，這意味著有關整個組織中腺體的復雜樹狀結構的詳細信息。

2021年12月發表在《癌癥研究》雜志上的一篇論文詳細介紹了Liu在3D技術方面取得的進展。凱斯西儲的馬達布希和其他三人為這篇學術論文做出了貢獻。

威斯康星大學的研究人員在那篇論文中報告說，3D特征使計算機更容易識別哪些患者更有可能在五年內復發。

劉在華盛頓大學的一篇新聞博客中表示，這種“非破壞性3D病理學”在臨床決策中將變得越來越有價值，例如哪些患者需要更積極的治療或對某些藥物有反應。