人工智能方法可以比人类更快、更好地发现潜在疾病
作者：By Sara Zaske, WSU News & Media Relations
华盛顿州普尔曼——华盛顿州立大学开发的“深度学习”人工智能模型可以比人类更快、更准确地识别动物和人体组织图像中的病理或疾病迹象。
其发展历程，详述于科学报告，可以大大加快疾病相关研究的步伐。它还具有改进医学诊断的潜力，例如在几分钟内从活检图像中检测出癌症，而这一过程通常需要人类病理学家几个小时的时间。
“这个基于人工智能的深度学习程序在观察这些组织方面非常非常准确，”华盛顿州立大学生物学家、该论文的共同通讯作者迈克尔·斯金纳 (Michael Skinner) 说。“它可以彻底改变动物和人类的此类药物，从本质上更好地促进此类分析。”
为了开发人工智能模型，计算机科学家科林·格里利（前华盛顿州立大学研究生）和他的顾问教授劳伦斯·霍尔德使用斯金纳实验室过去进行的表观遗传学研究的图像对其进行了训练。这些研究涉及大鼠和小鼠肾脏、睾丸、卵巢和前列腺组织中疾病的分子水平迹象。研究人员随后使用其他研究的图像测试了人工智能，包括识别乳腺癌和淋巴结转移的研究。
研究人员发现，新的人工智能深度学习模型不仅能够快速正确识别病理，而且比以前的模型更快，并且在某些情况下发现了训练有素的人类团队遗漏的实例。
“我认为我们现在有一种比人类更快、更准确的方法来识别疾病和组织，”该研究的共同通讯作者霍尔德说。
传统上，这种类型的分析需要由经过专门培训的人员组成的团队进行艰苦的工作，他们使用显微镜检查和注释组织切片 - 经常检查彼此的工作以减少人为错误。
人工智能深度学习模型可以在几周内完成可能需要一年或更长时间的分析。
斯金纳的表观遗传学研究涉及在不改变 DNA 本身的情况下研究影响基因行为的分子过程的变化，对于大型研究来说，这种分析可能需要一年甚至更长的时间。斯金纳说，现在有了新的人工智能深度学习模型，他们可以在几周内获得相同的数据。
霍尔德说，深度学习是一种试图模仿人脑的人工智能方法，这是一种超越传统机器学习的方法。相反，深度学习模型是由神经元和突触网络构成的。如果模型犯了错误，它会使用称为反向传播的过程从中“学习”，在整个网络中进行一系列更改来修复错误，因此不会重复错误。
研究团队设计了 WSU 深度学习模型来处理极高分辨率的十亿像素图像，这意味着它们包含数十亿像素。为了处理这些图像的大文件（即使是最好的计算机也会减慢速度），研究人员设计了人工智能模型来查看较小的单个图块，但仍然将它们放置在较大部分的背景中，但分辨率较低，这一过程其作用有点像放大和缩小显微镜。
这种深度学习模型已经吸引了其他研究人员，霍尔德的团队目前正在与华盛顿州立大学兽医研究人员合作，诊断鹿和麋鹿组织样本中的疾病。
作者还指出该模型在改善人类研究和诊断方面的潜力，特别是癌症和其他基因相关疾病的研究和诊断。霍尔德说，只要有数据，例如识别组织中癌症的带注释图像，研究人员就可以训练人工智能模型来完成这项工作。
“我们设计的网络是最先进的，”霍尔德说。“我们为本文与其他几个系统和其他数据集进行了比较，它击败了所有系统和数据集。”
这项研究得到了约翰·邓普顿基金会的支持。华盛顿州立大学生物科学学院研究助理教授埃里克·尼尔森（Eric Nilsson）也是这篇论文的合著者。
关于《人工智能方法可以比人类更快、更好地发现潜在疾病》的评论
暂无评论