利用神經(jīng)網(wǎng)絡(luò)的圖像分析可以幫助識(shí)別組織樣本中人眼難以識(shí)別的細(xì)節(jié)。芬蘭赫爾辛基大學(xué)進(jìn)行的一項(xiàng)研究表明，該技術(shù)使得準(zhǔn)確確定骨髓增生異常綜合征(myelodysplastic syndromes,MDS)患者癌細(xì)胞中的基因突變成為可能。
骨髓增生異常綜合征是起源于造血干細(xì)胞的一組異質(zhì)性髓系克隆性疾病，特點(diǎn)是髓系細(xì)胞分化及發(fā)育異常，表現(xiàn)為無(wú)效造血、難治性血細(xì)胞減少、造血功能衰竭，高風(fēng)險(xiǎn)向急性髓系白血病(AML)轉(zhuǎn)化。
在赫爾辛基大學(xué)進(jìn)行的研究中，利用基于機(jī)器學(xué)習(xí)的圖像分析技術(shù)對(duì)MDS患者骨髓樣本的顯微圖像進(jìn)行了檢查。樣本用蘇木精和伊紅染色，這是疾病常規(guī)診斷的一部分。這些幻燈片在計(jì)算深度學(xué)習(xí)模型的幫助下被數(shù)字化和分析。
通過(guò)使用機(jī)器學(xué)習(xí)，可以對(duì)數(shù)字圖像數(shù)據(jù)集進(jìn)行分析，以準(zhǔn)確識(shí)別影響綜合征進(jìn)展的最常見(jiàn)的遺傳突變，例如獲得性突變和染色體畸變。樣本中異常細(xì)胞的數(shù)量越多，預(yù)測(cè)模型產(chǎn)生的結(jié)果的可靠性越高。
研究人員表示，“這項(xiàng)研究證實(shí)，計(jì)算分析有助于識(shí)別人眼無(wú)法識(shí)別的特征。此外，數(shù)據(jù)分析有助于收集細(xì)胞變化及其與患者預(yù)后相關(guān)性的定量數(shù)據(jù)。”
研究人員稱“圖像分析有助于分析大量的活組織檢查，并快速產(chǎn)生關(guān)于疾病進(jìn)展的各種信息。該技術(shù)也適用于其他項(xiàng)目。”
詳細(xì)研究發(fā)表在美國(guó)癌癥研究協(xié)會(huì)的期刊《血癌發(fā)現(xiàn)》(Blood Cancer Discovery)上。
編譯/前瞻經(jīng)濟(jì)學(xué)人APP資訊組
原文鏈接：
https://www2.helsinki.fi/en/news/health-news/image-analysis-based-on-machine-learning-reliably-identifies-haematological-malignancies-challenging-for-the-human-eye
