MIT News - Artificial intelligence
·
人工智能模型识别可能进展为侵袭性癌症的某些乳腺肿瘤阶段
内容提要
研究人员开发了一种人工智能模型，可以通过乳腺组织图像识别原位导管癌。该模型考虑了细胞状态和排列方式，提高了准确性。研究人员使用大规模数据集训练和测试模型，并与病理学家的结论进行比较，发现一致性较高。该模型可帮助临床医生简化诊断，节省时间评估DCIS是否会转为侵袭性癌症。研究还表明细胞的空间组织对诊断DCIS非常重要。该研究为癌症诊断提供了新方法，可应用于其他癌症类型。
关键要点
-
导管癌（DCIS）是一种前侵袭性肿瘤，可能发展为致命的乳腺癌，约占所有乳腺癌诊断的25%。
-
由于临床医生难以确定DCIS的类型和阶段，患者常常受到过度治疗。
-
麻省理工学院和苏黎世联邦理工学院的研究团队开发了一种人工智能模型，通过乳腺组织图像识别DCIS的不同阶段。
-
该模型考虑了细胞的状态和排列方式，提高了准确性，并与病理学家的结论高度一致。
-
研究人员建立了一个大型数据集用于训练和测试模型，未来可帮助临床医生简化诊断过程。
-
细胞的空间组织对DCIS的诊断至关重要，模型能够提供细胞组织特征的信息，辅助病理学家的决策。
-
该研究为癌症诊断提供了新方法，未来可应用于其他癌症类型或神经退行性疾病。
-
研究得到了多个机构的资助，包括布罗德研究所、ETH Zurich和美国国立卫生研究院等。
延伸问答
什么是导管癌（DCIS）？
导管癌（DCIS）是一种前侵袭性肿瘤，可能发展为致命的乳腺癌，约占所有乳腺癌诊断的25%。
研究人员如何利用人工智能模型识别DCIS的不同阶段？
研究人员开发的人工智能模型通过分析乳腺组织图像，考虑细胞的状态和排列方式来识别DCIS的不同阶段。
该人工智能模型的准确性如何？
该模型与病理学家的结论高度一致，显示出较高的准确性。
细胞的空间组织在DCIS诊断中有何重要性？
细胞的空间组织对DCIS的诊断至关重要，模型能够提供细胞组织特征的信息，辅助病理学家的决策。
该研究的未来应用有哪些？
该研究的模型未来可用于简化DCIS的诊断过程，并可能适用于其他癌症类型或神经退行性疾病。
研究团队使用了什么样的数据集来训练模型？
研究团队建立了一个包含560个组织样本图像的大型数据集，用于训练和测试模型。
