人体组织错综复杂，当然是三维的。但病理学家最常用于诊断疾病的薄片组织是二维的，只能对组织的真实复杂性提供有限的一瞥。在病理学领域，越来越多的人倾向于以三维形式检查组织。但3D病理数据集包含的数据可能是2D数据集的数百倍，这使得人工检查变得不可行。
在一项新的研究中，麻省总医院布里格姆的研究人员及其合作者提出了Tripath:一种新的深度学习模型，可以使用3D病理数据集进行临床结果预测。
研究小组与华盛顿大学合作，利用两种3D高分辨率成像技术对精心挑选的前列腺癌标本进行成像。然后训练这些模型来预测前列腺癌在人体组织活检中复发的风险。
通过全面捕获整个组织体积的3D形态，Tripath的表现优于病理学家，也优于依赖2D形态和薄组织切片的深度学习模型。结果发表在《细胞》杂志上。
虽然这种新方法需要在更大的数据集中进行验证，才能进一步开发用于临床，但研究人员对其帮助临床决策的潜力持乐观态度。
“我们的方法强调了全面分析组织样本的整体体积以准确预测患者风险的重要性，这是我们开发的模型的标志，只有在3D病理学范式下才有可能，”麻省总医院布莱根病学系计算病理学部门的主要作者安德鲁H.宋博士说。
“利用人工智能和3D空间生物学技术的进步，Tripath为临床决策支持提供了一个框架，并可能有助于揭示预后和治疗反应的新型生物标志物，”麻省总医院布莱根病理科计算病理学部门的共同通讯作者Faisal Mahmood博士说。
“在我们之前的计算3D病理学工作中，我们研究了前列腺网络等特定结构，但Tripath是我们第一次尝试使用深度学习来提取亚视觉3D特征以进行风险分层，这显示出指导关键治疗决策的巨大潜力，”华盛顿大学的共同通信作者Jonathan Liu博士说。
更多信息:使用弱监督AI分析3D病理样本，Cell(2024)。DOI: 10.1016 / j.cell.2024.03.035。www.cell.com/cell/fulltext/S0092-8674(24)00351-9期刊信息:Cell由Mass General Brigham提供引文:人工智能的进步使跨入3D病理学成为可能(2024,5月9日)检索自2024年5月9日https://medicalxpress.com/news/2024-05-ai-advancements-3d-pathology.html本文档受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
