研究人员使用人工智能 (AI) 工具模拟人类如何可视化并接受训练以识别和分类图像，构建了一个模型，该模型通过评估组织学图像以高精度预测克罗恩病的术后复发。人工智能工具还揭示了以前未被识别的脂肪细胞差异以及浆膜下或肠道外层肥大细胞浸润程度的显着差异，比较了有和没有疾病复发的患者。研究结果发表在美国病理学杂志上。
克罗恩病是一种慢性炎症性胃肠道疾病，术后 10 年的症状复发率估计为 40%。尽管有评估克罗恩病活动性和术后复发存在的评分系统，但尚未开发出评分系统来预测克罗恩病是否可能复发。
“过去，大多数使用 AI 对组织病理学图像进行的分析都针对恶性肿瘤，”主要研究人员 Takahiro Matsui 医学博士和 Eiichi Morii 医学博士解释说，医学博士，大阪大学研究生大阪医学院。“我们的目标是通过使用人工智能分析组织病理学图像来获得对更广泛疾病的临床有用信息。我们专注于克罗恩病，其中术后复发是一个临床问题。”
该研究纳入了 2007 年 1 月至 2018 年 7 月期间接受肠切除术的 68 名克罗恩病患者。根据术后两年内有无术后疾病复发将他们分为两组。每组被分为两个子组，一个用于训练 AI 模型，另一个用于验证。对于训练，手术标本的整个幻灯片图像被裁剪成平铺图像，标记是否存在术后复发，然后由 EfficientNet-b5 处理，EfficientNet-b5 是一种用于执行图像分类的商用 AI 模型。当用未标记的图像对模型进行测试时，结果表明深度学习模型根据有无疾病发生对未标记图像进行准确分类。
接下来，生成预测热图以识别机器学习模型可以高精度预测复发的区域和组织学特征。图像包括肠壁的所有层。热图显示机器学习模型在浆膜下脂肪组织层产生了正确的预测。然而，在其他区域，例如黏膜和适当的肌肉层，该模型不太准确。从非复发组和复发组的测试数据集中提取具有最准确预测的图像。在这些图像中，最好的预测结果都包含脂肪组织。
由于机器学习模型从浆膜下组织的图像中获得了准确的预测，研究人员假设复发组和非复发组之间的浆膜下脂肪细胞形态不同。与非复发组相比，复发组的脂肪细胞具有明显更小的细胞大小、更高的扁平化和更小的中心到中心细胞距离值。
标签：
免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！