科学家融合人工智能 3D组织成像来识别侵袭性前列腺癌

凯斯西储大学和华盛顿大学的研究人员希望通过将人工智能(AI)驱动的诊断成像与三维(3D)组织成像相结合，获得对高度侵袭性前列腺癌的宝贵新见解。

研究人员表示，这种新的AI-3D合作将为前列腺癌细胞提供前所未有的扩展视图和理解，这将通过一种称为“光片显微镜”的新方法实现。(由马克·斯通/华盛顿大学在上面的照片中看到)。

前列腺癌是最常见的非皮肤癌。根据前列腺癌基金会的数据，医生将诊断出全国八分之一的男性患有前列腺癌，每40人中就有1人死于这种疾病。

凯斯西储计算成像和个性化诊断中心主任AnantMadabhushi和华盛顿大学(UW)机械工程和生物工程教授JonathanLiu是这项新工作的共同领导者，并将拆分资金。隶属于国立卫生研究院的国家癌症研究所(NCI)正在以5年313万美元的赠款支持这项研究。

“这是该领域两种最强大技术的前所未有的结合，”同时也是凯斯工程学院唐奈尔研究所生物医学工程教授的马达布希说。“我们将采用我们开发的人工智能，并首次能够将其应用于华盛顿大学擅长的3D组织成像，并获得精细、精细的细节。”

刘说，与凯斯西储的Madabhushi实验室合作是“一个显而易见且理想的选择，因为开发可解释的人工智能方法将促进临床采用像我们这样的新成像技术。”

识别侵袭性癌症

Madabhushi说，这一精细细节有望揭示更多关于如何识别哪些前列腺癌病例对患者更具侵袭性的信息。

他说，了解这一点可以帮助临床医生确定谁将从手术或放射治疗中受益，以及哪些患者可能会受到积极监测。

Madabhushi说，研究人员还可能正在为开发所谓的“基于病理分类器”的许多其他癌症的疾病结果奠定基础。

病理组学是指应用计算机视觉和人工智能，使用数据表征算法从组织图像中提取大量特征。然后，这些特征可以帮助发现肉眼通常看不到的肿瘤和其他特征。

Madabhushi的实验室成立于2012年，现已成为该领域的全球领导者，专门通过结合医学成像、机器学习和人工智能来检测、诊断和表征各种癌症和其他疾病。

到目前为止，研究人员一直在使用机器学习完全专注于二维图像。

“我们相信，我们将能够训练我们的AI来询问3D组织图像，并取得与二维图像相同的成功，”Madabhushi说。“但在3D中寻找新信息有很多新的可能性。”

3D如何融入

Liu和他的团队开发了一种新的非破坏性方法，可以对整个3D活检进行成像，而不仅仅是切片。该技术提供了组织的全视图图像，并改进了对患者是否患有侵袭性癌症的预测。

“随着我们的开放式光片显微镜技术的成功，下一个要克服的明显挑战是处理和分析我们从临床标本中生成的大量特征丰富的3D数据集，”刘说。他说，与凯斯西储的Madabhushi实验室合作是“一个显而易见且理想的选择，因为开发可解释的人工智能方法将有助于临床采用像我们这样的新成像技术。”

“这项(赠款)将帮助我们扩大现有合作，以证明计算3D病理学可以改善不同人群前列腺癌患者的关键治疗决策，”刘说。

当然，3D图像比2D图像提供更多信息。在这种情况下，这意味着有关整个组织中腺体的复杂树状结构的详细信息。

2021年12月发表在《癌症研究》杂志上的一篇论文详细介绍了Liu在3D技术方面取得的进展。凯斯西储的马达布希和其他三人为这篇学术论文做出了贡献。

威斯康星大学的研究人员在那篇论文中报告说，3D特征使计算机更容易识别哪些患者更有可能在五年内复发。

刘在华盛顿大学的一篇新闻博客中表示，这种“非破坏性3D病理学”在临床决策中将变得越来越有价值，例如哪些患者需要更积极的治疗或对某些药物有反应。