罕見(jiàn)疾病通常難以診斷，預(yù)測(cè)最佳治療方案對(duì)臨床醫(yī)生來(lái)說(shuō)可能具有挑戰(zhàn)性。布萊根婦女醫(yī)院馬哈茂德實(shí)驗(yàn)室(麻省總醫(yī)院布萊根醫(yī)療保健系統(tǒng)的創(chuàng)始成員)的研究人員開(kāi)發(fā)了一種深度學(xué)習(xí)算法，該算法可以自學(xué)學(xué)習(xí)特征，然后可用于在大型病理圖像存儲(chǔ)庫(kù)中查找類似病例.
這種被稱為 SISH(組織學(xué)自我監(jiān)督圖像搜索)的新工具就像一個(gè)病理圖像搜索引擎，具有許多潛在的應(yīng)用，包括識(shí)別罕見(jiàn)疾病和幫助臨床醫(yī)生確定哪些患者可能對(duì)類似療法產(chǎn)生反應(yīng)。一篇介紹自學(xué)算法的論文發(fā)表在Nature Biomedical Engineering上。
“我們表明，我們的系統(tǒng)可以幫助診斷罕見(jiàn)疾病并找到具有相似形態(tài)模式的病例，而無(wú)需手動(dòng)注釋和用于監(jiān)督訓(xùn)練的大型數(shù)據(jù)集，”布萊根大學(xué)的資深作者 Faisal Mahmood 博士說(shuō)病理學(xué)系。“該系統(tǒng)具有改善病理學(xué)訓(xùn)練、疾病亞型、腫瘤識(shí)別和罕見(jiàn)形態(tài)識(shí)別的潛力。”
現(xiàn)代電子數(shù)據(jù)庫(kù)可以存儲(chǔ)大量的數(shù)字記錄和參考圖像，尤其是在病理學(xué)方面的全幻燈片圖像 (WSI)。然而，每個(gè)單獨(dú)的 WSI 的千兆像素大小以及大型存儲(chǔ)庫(kù)中不斷增加的圖像數(shù)量意味著 WSI 的搜索和檢索可能緩慢而復(fù)雜。因此，可擴(kuò)展性仍然是有效使用的相關(guān)障礙。
為了解決這個(gè)問(wèn)題，Brigham 的研究人員開(kāi)發(fā)了 SISH，它可以自學(xué)學(xué)習(xí)特征表示，無(wú)論數(shù)據(jù)庫(kù)大小如何，都能以恒定的速度找到病理學(xué)中具有相似特征的病例。
在他們的研究中，研究人員測(cè)試了 SISH 檢索常見(jiàn)和罕見(jiàn)癌癥的可解釋疾病亞型信息的速度和能力。該算法成功地從超過(guò) 22,000 例患者病例、超過(guò) 50 種不同疾病類型和十幾個(gè)解剖部位的數(shù)萬(wàn)張完整幻燈片圖像的數(shù)據(jù)庫(kù)中快速準(zhǔn)確地檢索到圖像。
在許多情況下，檢索速度都優(yōu)于其他方法，包括疾病亞型檢索，尤其是當(dāng)圖像數(shù)據(jù)庫(kù)規(guī)模擴(kuò)大到數(shù)千張圖像時(shí)。即使存儲(chǔ)庫(kù)規(guī)模擴(kuò)大，SISH 仍然能夠保持恒定的搜索速度。
然而，該算法有一些局限性，包括大內(nèi)存需求、大型組織載玻片內(nèi)有限的上下文感知以及它僅限于單一成像模式的事實(shí)。
總體而言，該算法展示了在獨(dú)立于存儲(chǔ)庫(kù)大小和不同數(shù)據(jù)集中有效檢索圖像的能力。它還展示了診斷罕見(jiàn)疾病類型的能力，以及作為搜索引擎識(shí)別可能與診斷相關(guān)的某些圖像區(qū)域的能力。這項(xiàng)工作可能會(huì)極大地為未來(lái)的疾病診斷、預(yù)后和分析提供信息
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場(chǎng)無(wú)關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除！