Nature Biotechnology：快213倍！一种新的人工智能工具可以快速分析医学图像中的基因活动

研究人员开发了一种人工智能工具，可以快速分析医学图像中的基因活动。

　　

一种新的人工智能工具以前所未有的清晰度解释医学图像，可以让时间紧张的临床医生将他们的注意力集中在疾病诊断和图像解释的关键方面。

该工具被称为iStar(Inferring Super-Resolution Tissue Architecture)，是由宾夕法尼亚大学佩雷尔曼医学院的研究人员开发的，他们相信这可以帮助临床医生诊断和更好地治疗那些可能未被发现的癌症。这种成像技术既提供了对单个细胞的高度详细的观察，也提供了对人类基因如何运作的全谱的更广泛的观察，这将使医生和研究人员能够看到原本几乎看不见的癌细胞。该工具可用于确定癌症手术是否达到安全边缘，并自动为显微图像提供注释，为该级别的分子疾病诊断铺平道路。

由研究助理Daiwei “David” Zhang博士和生物统计学和数字病理学教授Mingyao Li博士领导的一篇关于该方法的论文今天发表在《自然生物技术》杂志上。

Li说，iStar有能力自动检测关键的抗肿瘤免疫结构，称为“三级淋巴结构”，它的存在与患者的可能生存和对免疫治疗的有利反应有关，免疫治疗通常用于癌症，需要高精度的患者选择。Li说，这意味着iStar可以成为一种强大的工具，用于确定哪些患者将从免疫治疗中获益最多。

iStar的开发是作为空间转录组学领域的一部分进行的，这是一个相对较新的领域，用于绘制组织空间内的基因活动。Li等人采用了一种名为“分层视觉转换器”的机器学习工具，并对标准组织图像进行了训练。它首先将图像分解成不同的阶段，从小的开始，寻找细节，然后向上移动，“捕捉更广泛的组织模式”。由iStar内的人工智能系统引导的网络使用来自分层视觉转换器的信息，然后吸收所有这些信息，并将其应用于预测基因活动，通常以接近单细胞的分辨率进行。

Li解释说：“iStar的力量源于其先进的技术，它反过来反映了病理学家如何研究组织样本，就像病理学家识别更广泛的区域，然后放大详细的细胞结构一样，iStar可以捕捉总体组织结构，也可以关注组织图像中的细节。”

为了测试该工具的功效，Li和她的同事们评估了iStar在许多不同类型的癌症组织上的效果，包括乳腺癌、前列腺癌、肾癌和结直肠癌，以及健康组织。在这些测试中，iStar能够自动检测出肉眼难以识别的肿瘤和癌细胞。在iStar的支持下，未来的临床医生可能能够发现和诊断更多难以看到或难以识别的癌症。

除了iStar技术提供的临床可能性之外，与其他类似的人工智能工具相比，该工具的分析速度非常快。例如，当与该团队使用的乳腺癌数据集设置时，iStar仅在9分钟内完成了分析。相比之下，最好的竞争对手人工智能工具花了32个多小时才得出类似的分析。

这意味着iStar的速度要快213倍。

Li说:“这意味着iStar可以应用于大量样本，这对大规模生物医学研究至关重要。”“它的速度对于目前在3D和生物样本预测方面的扩展也很重要。在3D上下文中，组织块可涉及数百至数千个连续切割的组织切片。iStar的速度使得在短时间内重建大量空间数据成为可能。”

同样的道理也适用于生物银行，它们可以储存数千甚至数百万个样本。这是研究团队下一步研究和扩展iStar的目标。他们希望帮助研究人员更好地了解组织内的微环境，从而为今后的诊断和治疗目的提供更多的数据。

本研究由美国国立卫生研究院资助(R01GM125301和R01HG013185)。