使用Ceoggraph進(jìn)行病理圖像分類的圖示。圖片來源：物理學(xué)家組織網(wǎng)

美國得克薩斯大學(xué)西南醫(yī)學(xué)中心研究人員開發(fā)了一種新的人工智能（AI）模型，可分析組織樣本中細(xì)胞的空間排列。12月11日發(fā)表在《自然·通訊》上的這一創(chuàng)新方法，準(zhǔn)確地預(yù)測了癌癥患者的結(jié)果，標(biāo)志著在利用AI進(jìn)行癌癥預(yù)后和個性化治療策略方面取得了重大進(jìn)展。

細(xì)胞的空間組織就像一個復(fù)雜的拼圖，每個細(xì)胞都是一塊獨(dú)特的拼圖碎片，精心組裝在一起，就形成一個有凝聚力的組織或器官結(jié)構(gòu)。這項(xiàng)研究展示了AI非凡的能力，它能把握組織內(nèi)細(xì)胞之間的這些錯綜復(fù)雜的空間關(guān)系，提取以前人類無法理解的微妙信息，同時(shí)預(yù)測患者的預(yù)后。

組織樣本通常從患者身上收集，并放在玻片上供病理學(xué)家解讀，病理學(xué)家對其進(jìn)行分析以作出診斷。然而，這個過程很耗時(shí)，不同的病理學(xué)家的解釋也不盡相同。此外，專家可能會忽略病理圖像中的細(xì)微特征，這些特征可能隱藏著關(guān)于患者病情的重要線索。

新的AI模型Ceoggraph模仿了病理學(xué)家閱讀組織切片的方式。首先，它檢測圖像中的細(xì)胞及其位置；接著，它識別細(xì)胞類型及其形態(tài)和空間分布；最后，AI能創(chuàng)建一個地圖，在其中可分析細(xì)胞的排列、分布和相互作用。

研究人員成功地將這一工具應(yīng)用于使用病理切片的3個臨床場景。在其中一項(xiàng)研究中，他們使用Ceoggraph來區(qū)分肺癌的兩種亞型——腺癌和鱗狀細(xì)胞癌；在另一項(xiàng)研究中，他們預(yù)測了口腔癌前病變進(jìn)展為癌癥的可能性。在第3項(xiàng)研究中，他們確定了哪些肺癌患者最有可能對表皮生長因子受體抑制劑產(chǎn)生反應(yīng)。

在各種情況下，Ceoggraph模型在預(yù)測患者結(jié)果方面都顯著優(yōu)于傳統(tǒng)方法。研究人員稱，Ceoggraph確定的細(xì)胞空間組織特征是可解釋的，并有助于從生物學(xué)角度深入了解個體細(xì)胞間相互作用的變化如何產(chǎn)生不同的功能后果。這些發(fā)現(xiàn)突顯了AI在醫(yī)療保健中日益重要的作用，為提高病理分析的效率和準(zhǔn)確性提供了一種方法，有可能簡化高危人群的針對性預(yù)防措施，并優(yōu)化個體患者的治療選擇。