科学家融合AI和3D组织成像以识别侵袭性前列腺癌

凯斯西储大学和华盛顿大学的研究人员希望通过将人工智能(AI)驱动的诊断成像与三维(3D)组织成像相结合，获得对高度侵袭性前列腺癌的宝贵新见解。

研究人员说，这种新的AI-3D合作将为前列腺癌细胞提供前所未有的，扩展的视野和理解，这是通过一种称为“光片显微镜”的新方法实现的。(上图由马克·斯通/华盛顿大学提供)。

前列腺癌是最常见的非皮肤癌。根据前列腺癌基金会的数据，医生将诊断出全国八分之一的男性患有前列腺癌，每40人中就有一人将死于这种疾病。

凯斯西储计算成像和个性化诊断中心主任Anant Madabhushi和华盛顿大学(UW)机械工程和生物工程教授Jonathan Liu是这项新工作的共同领导者，并将分配资金。国立卫生研究院(National Cancer Institutes of Health)下属的国家癌症研究所(NCI)正在以为期五年的313万美元赠款支持这项研究。

“这是该领域两种最强大技术的前所未有的融合，”马达布胡希说，他也是凯斯工程学院唐纳研究所生物医学工程教授。“我们将采用我们开发的人工智能，并首次将其应用于华盛顿大学擅长的3D组织成像，并获得精细，精细的细节。

Liu表示，与Madabhushi在凯斯西储的实验室合作是“一个明显而理想的选择，因为开发可解释的AI方法将有助于临床采用像我们这样的新成像技术。

识别侵袭性癌症

Madabhushi说，这些细节有望揭示更多关于如何识别哪些前列腺癌病例在患者中更具侵略性的信息。

他说，知道这一点可以帮助临床医生确定谁将从手术或放射治疗中受益，以及哪些患者可能会受到积极监测。

Madabhushi说，研究人员还可以为开发许多其他癌症的疾病结果的所谓“基于病理的分类器”奠定基础。

病理经济学是指应用计算机视觉和人工智能，使用数据表征算法从组织图像中提取大量特征。然后，这些特征可以帮助发现肉眼通常不可见的肿瘤和其他特征。

Madabhushi的实验室成立于2012年，已成为该领域的全球领导者，专门通过医学成像，机器学习和人工智能的网格化来检测，诊断和表征各种癌症和其他疾病。

到目前为止，研究人员一直在使用机器学习来完全关注二维图像。

“我们相信，我们将能够训练我们的人工智能来询问3D组织图像，就像我们在二维图像上取得的成功一样，”Madabhushi说。“但是在3D中寻找新信息有很多新的可能性。

3D 如何融入

Liu和他的团队开发了一种新的非破坏性方法，可以对整个3D活检进行成像，而不仅仅是切片。该技术提供组织的全视图图像，并改善了对患者是否患有侵袭性癌症的预测。

“随着我们的开顶光片显微镜技术的成功，下一个需要克服的明显挑战是处理和分析我们从临床标本中生成的大量特征丰富的3D数据集，”刘说。他说，与Madabhushi在凯斯西储的实验室合作是一个“明显而理想的选择，因为开发可解释的人工智能方法将有助于临床采用像我们这样的新成像技术。

“这笔(赠款)将帮助我们扩大现有的合作，以证明计算3D病理学可以改善不同前列腺癌男性人群的关键治疗决策，”刘说。

当然，3D图像比2D图像提供更多的信息。在这种情况下，这意味着有关整个组织中腺体的复杂树状结构的详细信息。

Liu在2021年12月发表在《癌症研究》杂志上的一篇论文中详细介绍了Liu在3D技术方面取得的进步。 Madabushi和Case Western Reserve的另外三人为这篇学术论文做出了贡献。

威斯康星大学的研究人员在那篇论文中报告说，3D特征使计算机更容易识别哪些患者更有可能在五年内复发癌症。

刘曾在UW新闻博客中表示，这种“非破坏性3D病理学”将在临床决策中变得越来越有价值，例如哪些患者需要更积极的治疗或对某些药物有反应。