智能工具为癌症等疾病带来了更快的精确病理学

一种新的人工智能工具可以以前所未有的清晰度解释医学图像，这种方式可以让时间紧张的临床医生将注意力集中到疾病诊断和图像解释的关键方面。

该工具名为iStar(推断超分辨率组织结构)，由宾夕法尼亚大学佩雷尔曼医学院的研究人员开发，他们相信他们可以帮助临床医生诊断和更好地治疗否则可能无法检测到的癌症。该成像技术不仅提供了单个细胞的高度详细的视图，还提供了对人类基因如何运行的完整光谱的更广泛的视图，这将使医生和研究人员能够看到否则可能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了安全范围，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。由副研究员“David”Zhang博士和生物统计学和数字病理学教授Li博士领导的关于该方法的论文今天发表在《自然生物技术》杂志上。

李说，iStar能够自动检测称为“三级淋巴结构”的关键抗肿瘤免疫形成，这种结构的存在与患者的可能存活和对免疫疗法的有利反应相关，免疫疗法通常用于癌症，并要求患者选择的高精度。李说，这意味着，iStar可能是一个强有力的工具，用于确定哪些患者将从免疫疗法中获益最多。

iStar的发展是作为空间转录组学领域的一部分进行的，空间转录组学是一个相对较新的领域，用于绘制组织空间内的基因活动。李和她的同事采用了一种叫做分层视觉转换器的机器学习工具，并在标准组织图像上训练它。

根据李的说法，它首先将图像分成不同的阶段，从小处开始，寻找细微的细节，然后向上移动，“抓住更广泛的组织模式”。iStar内部由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。