所有分类
目前，肺腺癌需要病理学家对肺叶切除术载玻片进行视觉检查以确定肿瘤模式和亚型。Dartmouth Geisel医学院生物医学数据科学助理教授Saeed Hassanpour博士表示，这种分类在肺癌治疗的预后和治疗中具有重要作用，但这是一项艰巨而主观的任务。
利用机器学习的最新进展，由Hassanpour领导的科学家开发了一种深层神经网络，用于在组织病理学载玻片上对不同类型的肺腺癌进行分类，并发现该模型与三位执业病理学家相提并论。
“我们的研究表明，机器学习可以在具有挑战性的图像分类任务中实现高性能，并有可能成为肺癌管理的资产，”Hassanpour说。“我们系统的临床实施将能够帮助病理学家准确分类肺癌亚型，这对于预后和治疗至关重要。”
该研究小组的结论(“ 病理学家对切除的肺腺癌组织学模式的分类与深度神经网络分离 ”)发表在 科学报告中。认识到该方法可能适用于其他组织病理学图像分析任务，Hassanpour的团队公开其代码，以促进该领域的新研究和合作。
除了在临床环境中测试深度学习模型以验证其改善肺癌分类的能力之外，该团队还计划将该方法应用于乳腺癌，食道癌和结肠直肠癌中的其他具有挑战性的组织病理学图像分析任务。“如果通过临床试验验证，我们的神经网络模型可以在临床实践中实施，以帮助病理学家，”Hassanpour说。“我们的机器学习方法也很快，可以在不到一分钟的时间内处理幻灯片，因此它可以帮助在医生检查之前对患者进行分类，并可能极大地帮助病理学家对幻灯片进行视觉检查。”
上一篇：控制永生化酶的基因
所有评论仅代表网友意见，与本站立场无关。
我要评论