11月22日，記者從西安交通大學了解到，該校計算機科學與技術學院李辰教授團隊和劍橋大學合作，在AI醫(yī)學領域取得重大突破。他們開發(fā)了名為SMMILe的新型人工智能框架，將原本需要20分鐘的復雜病理切片分析時間縮短至1分鐘。該框架能自動推斷出腫瘤在組織中的具體位置、邊界范圍以及不同亞型的空間分布，而且不需要醫(yī)生逐一切片標注。此模型是全球首個大規(guī)模腫瘤篩查人工智能病理模型，相關研究近期發(fā)表在國際腫瘤學權威期刊《自然·癌癥》上。

在癌癥精準診療方面，千兆像素級的數(shù)字病理切片是“金標準”。不過，長期以來計算病理學存在一個大難題：現(xiàn)有的主流AI模型雖能以較低成本判斷切片“是否有癌癥”，但無法回答“病灶具體在哪里”“惡性細胞如何分布”以及“各類腫瘤亞型所占比例”等問題。要獲取這些關鍵信息，仍需病理醫(yī)生投入大量精力進行分析。

SMMILe的模型結(jié)構

為什么SMMILe能做到其他醫(yī)學AI模型做不到的事呢？這得益于它獨特的設計理念。SMMILe就像一套用于圖像的“聲納”系統(tǒng)，讓計算機具備“在黑暗中視物”的能力。

SMMILe與其他方法的空間量化結(jié)果可視化對比

李辰表示：“傳統(tǒng)方法常常因為缺乏病理的詳細坐標信息而不知所措，或者只能捕捉到最明顯的特征。而SMMILe通過融合特征壓縮、參數(shù)自適應處理等前沿數(shù)學模型，能夠敏銳捕捉到微弱的病理信號。即便沒有任何位置標注信息，它也能像聲納探測海底地形一樣，精準鎖定并還原出具有生物學意義的腫瘤空間圖譜，使病理分析效率實現(xiàn)了數(shù)量級的提升?！贝舜文Ｐ桶l(fā)布標志著AI病理診斷從“粗略分類”進入“精準量化”的新階段。

來源 / 陜西日報、西安交通大學等

本文僅代表作者觀點，版權歸原創(chuàng)者所有，如需轉(zhuǎn)載請在文中注明來源及作者名字。

免責聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權或非授權發(fā)布，請及時與我們聯(lián)系進行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com