使用Ceoggraph进行病理图像分类的图示。图片来源：物理学家组织网
美国得克萨斯大学西南医学中心研究人员开发了一种新的人工智能（AI）模型，可分析组织样本中细胞的空间排列。12月11日发表在《自然·通讯》上的这一创新方法，准确地预测了癌症患者的结果，标志着在利用AI进行癌症预后和个性化治疗策略方面取得了重大进展。
细胞的空间组织就像一个复杂的拼图，每个细胞都是一块独特的拼图碎片，精心组装在一起，就形成一个有凝聚力的组织或器官结构。这项研究展示了AI非凡的能力，它能把握组织内细胞之间的这些错综复杂的空间关系，提取以前人类无法理解的微妙信息，同时预测患者的预后。
组织样本通常从患者身上收集，并放在玻片上供病理学家解读，病理学家对其进行分析以作出诊断。然而，这个过程很耗时，不同的病理学家的解释也不尽相同。此外，专家可能会忽略病理图像中的细微特征，这些特征可能隐藏着关于患者病情的重要线索。
新的AI模型Ceoggraph模仿了病理学家阅读组织切片的方式。首先，它检测图像中的细胞及其位置；接着，它识别细胞类型及其形态和空间分布；最后，AI能创建一个地图，在其中可分析细胞的排列、分布和相互作用。
研究人员成功地将这一工具应用于使用病理切片的3个临床场景。在其中一项研究中，他们使用Ceoggraph来区分肺癌的两种亚型——腺癌和鳞状细胞癌；在另一项研究中，他们预测了口腔癌前病变进展为癌症的可能性。在第3项研究中，他们确定了哪些肺癌患者最有可能对表皮生长因子受体抑制剂产生反应。
在各种情况下，Ceoggraph模型在预测患者结果方面都显著优于传统方法。研究人员称，Ceoggraph确定的细胞空间组织特征是可解释的，并有助于从生物学角度深入了解个体细胞间相互作用的变化如何产生不同的功能后果。这些发现突显了AI在医疗保健中日益重要的作用，为提高病理分析的效率和准确性提供了一种方法，有可能简化高危人群的针对性预防措施，并优化个体患者的治疗选择。
12月19日，《自然-计算科学》发表的一项研究描述了一种机器学习方法，能够从不同方面准确预测人类生活，包括早死可能性和 随着出版商努力清理大量伪造论文、打击同行评议欺诈行为，2023年，被撤回的研究论文数量已超过1万篇，打破了年度纪录。 中新网伦敦1月2日电 (彭欣怡)当地1月2日，英国气象局发布数据指出，2023年是英国自1884年有气象记录以来第二热的一年，仅 即使在新冠疫情期间接种了数十亿剂疫苗后，信使核糖核酸（mRNA）疫苗仍令人惊讶。近日，《自然》发表的一项研究表明，mRNA疫苗可 文｜卜金婷 田瑞颖 《自然》近日发文警告，对人工智能（AI）的不当使用或将催生大量不可靠或无用的研究，导致可重复性 ·美国首枚将宇航员送入轨道的商业火箭结束了生命。这枚可重复使用的火箭助推器B1058完成了19次飞行和着陆，在大约 。本文链接：AI分析组织样本准确预测癌症结果http://www.sushuapos.com/show-11-1595-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 促进生成式AI赋能抗病毒新药研发，这两个机构达成合作
下一篇： 科学家发明小鼠虚拟现实护目镜