인공지능 신경병리학자

본 연구의 목적은 딥러닝 기법을 기반으로 CNS 종양의 자동 병리 진단 시스템을 개발하는 것이다. 병리학적 진단의 정확성을 향상시키기 위해 CNS 종양의 병리학적 진단을 위한 최고의 딥러닝 모델을 먼저 개발하도록 설계되었습니다. 그런 다음 임상적으로 사용하려면 신경 병리학자의 업무량과 스트레스를 줄이고 CNS 종양 환자에게 이점을 얻으십시오.

뇌수막종, 신경아교종, 림프종 및 기타 다양한 종양을 포함한 다양한 CNS 종양에는 각기 다른 치료 원칙과 계획이 있습니다. 예를 들어, 높은 등급의 신경아교종은 수술 절제술과 수술 후 화학 방사선 요법이 필요합니다. 그러나 수술적 절제술은 림프종 환자의 예후 개선에 큰 의미가 없으며, 조직검사를 통한 구체적인 진단 후 체계적인 화학요법을 시행하게 된다. 따라서 본 연구에서는 이러한 종양의 종류를 분류하기 위한 자동 중추신경계 종양 병리진단 시스템을 개발하고자 한다.

현재 CNS 종양의 병리학적 진단은 병리학자에 의해 체계적으로 분석된 후 조직병리학적 특성 및 분자 정보를 기반으로 합니다. 진단의 정확성은 병리학자의 경험에 크게 좌우됩니다. 그러나 경험이 풍부하고 자격을 갖춘 병리학자가 되려면 수년간의 훈련이 필요합니다. 병리학자는 동일한 환자에 대해 완전히 다른 진단 결과를 제공할 수 있습니다. 따라서 병리학자를 지원할 수 있는 시스템을 개발하는 것이 필수적입니다.

딥 러닝은 인공 지능의 가장 진보된 기술 중 하나입니다. 특히 이미지 인식 능력이 매우 강력하다. 따라서 우리는 딥러닝을 기반으로 조직병리학적 단면 이미지에 대한 모델을 개발할 수 있습니다. CNS 종양의 WHO 분류 2016에는 진단의 중요한 부분으로 분자 마커가 포함되었습니다. 따라서 시스템에 추가할 분자 병리학의 추가 모델이 있을 것입니다.

Huashan 병원은 많은 양의 데이터가 필요하기 때문에 딥 러닝의 핵심 부분인 중국 최대의 CNS 종양 바이오뱅크 중 하나를 보유하고 있습니다. 이 연구의 사례 부하는 해당 데이터의 대표성과 권위를 보여줄 수 있습니다.

연구에는 세 단계가 있습니다. 1단계와 2단계는 지도 학습 과정입니다. 1단계는 CNS 종양의 조직병리학적 진단을 위한 최고의 딥러닝 모델을 개발하는 것으로, 첫 번째 모델의 정확도가 최소 70%를 달성할 것으로 예상합니다. 훈련 데이터(병리학 섹션)는 Huashan Hospital CNS 종양 바이오뱅크에서 제공합니다. 한편, 이미지 수집을 위한 마이크로 포지셔닝 플랫폼에 대한 조사가 진행 중이다. 1단계가 끝나면 모델(소프트웨어)과 플랫폼(하드웨어)을 조직병리학적 이미지에 대한 전체 진단 시스템으로 통합할 것으로 예상합니다. 2단계는 CNS 종양에 대한 분자 병리학적 진단을 위한 모델을 설계하는 것입니다. 모델은 해당 병리학 섹션에서 추출된 수많은 관련 분자 정보에 의해 훈련됩니다. 2단계가 끝나면 1단계 시스템과 2단계 모델을 기본 프로토타입으로 결합할 것으로 예상합니다. 3단계는 비지도 학습 과정으로 알려져 있습니다. 이전 단계를 거쳐 개발된 시제품을 사용하여 시스템을 임상에 사용할 예정입니다. 더 많은 환자와 데이터가 들어오고 병원의 병리학자와 함께 진단을 내릴 것입니다. 결과를 병리학자와 비교함으로써 시간이 지남에 따라 스스로 학습하고 정확도를 향상시킬 수 있을 것입니다. 3단계가 끝날 때까지 우리는 90% 이상의 정확도로 독립적인 임상 병리학적 진단 능력을 위한 시스템을 준비할 것으로 기대합니다.