人工智能工具iStar助力癌症精准病理学发展

一种新的人工智能工具能够以前所未有的清晰度解释医学图像，帮助临床医生节约时间和精力，将注意力更多集中在疾病诊断和图像解释等关键方面。

该工具名为iStar（超分辨率组织架构），由宾夕法尼亚大学佩雷尔曼医学院的研究人员开发，他们相信该工具可以帮助临床医生诊断和更好地治疗未被诊出的癌症。

该成像技术既提供了单个细胞的高度详细视图，又提供了对人类基因运作方式的全面观察，使医生和研究人员能够看到原本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安全边界，并自动为显微图像提供注释，为该水平的分子疾病诊断铺平道路。

该研究由助理研究员David Zhang博士和生物统计学与数字病理学教授李明耀博士领导，论文发表在《自然生物技术》杂志上。

李博士表示，iStar能够自动检测三级淋巴结构的关键抗肿瘤免疫结构，其存在与患者的生存可能性和对免疫治疗的良好反应相关，免疫治疗通常用于治疗癌症，对患者的选择很严格。这意味着iStar有助于判断哪些患者将从免疫治疗中受益最多。

iStar的开发运用了空间转录组学的相关知识。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图谱。研究人员采用了一种名为分层视觉变换器的机器学习工具，并在标准组织图像上对其进行训练。

iStar首先将图像分解为不同阶段，从小处寻找精细细节，然后向上移动并掌握更广泛的组织规律。iStar内置的人工智能系统会通过分层视觉转换器获取全部信息，再将其应用于预测基因活动，通常可以接近达到单细胞的分辨率。

iStar的工作流程和超分辨率基因表达预测的准确性。图源：《自然生物技术》(2024). DOI：10.1038/s41587-023-02019-9

“iStar的力量源于其先进的技术，这反过来反映了病理学家如何研究组织样本，”李博士解释道。“就像病理学家识别更广泛的区域，然后聚焦在详细的细胞结构上一样，iStar可以捕获总体组织结构，并关注组织图像中的细节。”

为了测试该工具的功效，研究人员将许多不同类型的癌症组织与健康组织混合，并以iStar为工具进行了评估，研究范围包括乳腺癌、前列腺癌、肾癌和结直肠癌。在这些测试中，iStar能够自动检测仅靠肉眼难以识别的肿瘤和癌细胞。未来，借助iStar的支持，临床医生或许能够发现并诊断更多难以看到或难以识别的癌症。

除了iStar技术带来的临床可能性之外，与其他类似的人工智能工具相比，该工具的移动速度也非常快。例如，当进行乳腺癌数据集时，iStar仅用了9分钟就完成了分析。相比之下，竞品中最先进的人工智能工具都需要超过32小时才能得出类似的分析，这意味着iStar的速度比之快了213倍。

“这意味着iStar可以应用于大量样本，这对于大规模生物医学研究至关重要，”李教授说。“它的速度之快对于在3D和生物样本库样本预测方面的扩展也有重要意义。在3D场景中，一个组织块可能涉及数百到数千个连续切割的组织切片。iStar的速度使得在短时间内构建获取如此大量的空间数据成为可能。”

生物样本库也是如此，它存储高达数千甚至数百万个样本。这也是该研究团队下一步研究和扩展iStar的目标。他们希望帮助研究人员更好地了解组织内的微环境，为未来的诊断和治疗目的提供更多数据。