人工知能神経病理学者

この研究の目的は、深層学習技術に基づく中枢神経系腫瘍の自動病理診断システムを開発することです。 病理診断の精度を向上させるために、CNS腫瘍の病理診断に最適な深層学習モデルを最初に開発するように設計されています。 その後、臨床的に使用され、神経病理学者の作業負荷とストレスを軽減し、CNS 腫瘍患者に利益をもたらします。

髄膜腫、神経膠腫、リンパ腫、およびその他のさまざまな腫瘍を含むさまざまな CNS 腫瘍には、独自の異なる治療原理と計画があります。 たとえば、高悪性度神経膠腫では、手術による切除と手術後の化学放射線療法が必要です。 ただし、手術による切除はリンパ腫患者の予後を改善するのに重要ではなく、生検に基づく特定の診断後に体系的な化学療法が行われます。 したがって、この研究では、自動化されたCNS腫瘍病理診断システムが開発され、これらの腫瘍の異なるタイプを分類します。

現在、中枢神経系腫瘍の病理診断は、病理学者による体系的な分析後の組織病理学的特徴と分子情報に基づいています。 診断の正確さは、病理学者の経験に大きく依存します。 ただし、経験豊富で資格のある病理学者になるには、何年もの訓練が必要です。 病理学者は、同じ患者に対してまったく異なる診断結果を出すことがあります。 したがって、病理学者を支援できるシステムを開発することが不可欠です。

ディープラーニングは、人工知能の最も高度な技術の 1 つです。 特に画像認識の能力は非常に強力です。 したがって、深層学習に基づく病理組織切片画像のモデルを開発することができます。 2016 年の CNS 腫瘍の WHO 分類には、診断の重要な部分として分子マーカーが含まれています。 したがって、システムに追加される分子病理学の追加モデルがあります。

Huashan Hospital には、中国最大の CNS 腫瘍バイオバンクの 1 つがあります。これは、大量のデータを必要とするため、深層学習の重要な部分です。 この研究の症例負荷は、それらのデータの代表的で信頼できるものを示すことができます。

学習には 3 つの段階があります。 ステージ 1 と 2 は教師あり学習プロセスです。 ステージ 1 は、CNS 腫瘍の組織病理学的診断に最適なディープ ラーニング モデルを開発することです。最初のモデルの精度は少なくとも 70% を達成すると予想しています。 トレーニング データ (病理学的セクション) は、華山病院 CNS 腫瘍バイオバンクによって提供されます。 それまでの間、マイクロポジショニング プラットフォームは、画像収集の使用のために調査中です。 ステージ 1 の終わりには、モデル (ソフトウェア) とプラットフォーム (ハードウェア) を病理組織画像の診断システム全体として統合する予定です。 ステージ 2 では、CNS 腫瘍の分子病理学的診断モデルを設計します。 モデルは、これらの病理学的セクションから抽出された多数の関連分子情報によってトレーニングされます。 第 2 段階の終わりには、第 1 段階のシステムと第 2 段階のモデルを最初のプロトタイプとして組み合わせる予定です。 ステージ 3 は、教師なし学習プロセスとして知られています。 前段階の後に開発されたプロトタイプを使用することにより、システムは臨床的に使用されます。 病院の病理学者と一緒に、より多くの患者とデータが届くと、診断が下されます。 結果を病理学者と比較することで、自己学習し、時間の経過とともに精度を向上させることができます。 ステージ 3 の終わりまでに、システムは 90% を超える精度で独立した臨床病理診断能力を備えていると予想されます。