近期，南京大學(xué)附屬鼓樓醫(yī)院、云創(chuàng)大數(shù)據(jù)、金陵科技學(xué)院等單位合作SCI研究揭示了醫(yī)學(xué)領(lǐng)域新突破。合作論文《前列腺癌病理診斷中高精度、有效的深神經(jīng)網(wǎng)絡(luò)》在《世界泌尿?qū)W雜志》發(fā)表。

　　研究背景

　　人工智能在醫(yī)學(xué)領(lǐng)域中的應(yīng)用已經(jīng)引起了廣泛的關(guān)注。在腫瘤病理學(xué)領(lǐng)域中，醫(yī)生需要通過對組織切片進行病理學(xué)診斷，以確定患者是否患有癌癥。然而，由于組織切片的復(fù)雜性和主觀性，病理學(xué)診斷存在一定的誤差率。因此，如何提高診斷的準確性和效率是當前研究領(lǐng)域存在的問題。

　　研究內(nèi)容

　　該論文旨在建立一個AI系統(tǒng)，用于輔助進行前列腺癌的病理學(xué)診斷。研究人員使用機器人輔助腹腔鏡前列腺切除術(shù)中獲取的前列腺組織切片，將其轉(zhuǎn)換為數(shù)字圖像數(shù)據(jù)，并根據(jù)ISUP Gleason分級將其標記為不同的顏色。然后，將圖像輸入分割算法中。研究人員選擇修改版的U-Net作為基本的網(wǎng)絡(luò)架構(gòu)。在172名患者中，共收集了896張前列腺組織切片，其中826張切片用于訓(xùn)練集，其余的用于測試集。經(jīng)過圖像分割后，AI與病理學(xué)家在22張切片中有21張達成了相同的診斷結(jié)果。在像素級別上，該AI系統(tǒng)的診斷結(jié)果的ROC曲線下面積為96.8%。三種不同的分析方法(二值分析、臨床導(dǎo)向分析和不同ISUP Gleason分級的分析)的像素準確度分別為96.93%、95.43%和93.88%。頻率加權(quán)的IoU值分別為94.32%、92.13%和90.21%。

　　研究意義

　　該研究建立了一個高度準確和有效的深度神經(jīng)網(wǎng)絡(luò)，用于前列腺癌的病理學(xué)診斷。該AI系統(tǒng)能夠輔助病理學(xué)家進行最終診斷，提高了前列腺癌病理學(xué)診斷的準確性和效率。此外，該研究還證明了人工智能在醫(yī)學(xué)領(lǐng)域中具有廣泛的應(yīng)用前景和潛力。