这就是 AI 如何促进肺癌的快速治疗

快速阅读: 据《科学挪威》最新报道，研究团队开发了一种新系统，利用AI高效评估肺癌组织中肿瘤浸润性淋巴细胞的数量，以改善癌症治疗效果。该系统不仅降低成本和时间，还保持透明性以便医生验证结果。尽管尚需完善，但为医疗AI工具发展奠定了基础。团队强调，AI旨在辅助而非取代医生。

昂贵且费时的检测过程

肿瘤浸润性淋巴细胞（TIL）细胞是身体对抗肺癌的关键组成部分。这些细胞不仅能显示癌症的发展趋势，还能指示哪种治疗方法最为有效。因此，医生通常借助显微镜检查肺部组织样本，并在肿瘤内部绘制TIL细胞的分布图。发现的细胞越多，患者的预后往往越好。然而，问题在于，这样的检测过程既昂贵又耗时，而且不同医生对组织样本中TIL细胞数量的判断可能存在差异。我们的目标是简化这项任务，减轻医生的工作负担。目前看来，这项技术的表现令人鼓舞。

这项技术的应用能够为医疗系统带来多方面的益处，从降低检测成本到实现更快、更个性化的癌症治疗。通过采用先进的算法与机器学习方法，机器可以从图像中精准提取关键信息，从而减少人工操作的需求，同时降低出错风险。这不仅提高了分析的精确度，还帮助医生更快地做出直接影响患者健康的决策。所有这些操作只需短短几分钟即可完成。

然而，数字图像通常极为庞大，即使运用人工智能技术，分析一张完整的病理切片图像也可能耗费整整一天的时间。为此，我们需要开发一种更高效的系统，它所需的资源（例如计算能力、电力以及昂贵的专业图形处理器）更少。我们提出的系统在分析医学图像时采用了全新的方式，其中一个重要特点是它不会对整张全片图像进行全面分析，而是采取分步骤的方式逐步推进。

第一步，系统会随机抽取图像的小部分进行初步检查。尽管只检查了少量区域，但系统依然能够可靠地估算出肿瘤内部TIL细胞的大致数量。接下来，系统会进一步识别包含TIL细胞的具体图像部分，并通过一种专门设计的算法统计细胞数量。这种算法能够识别图像中的细胞模式，区分不同类型的细胞，并明确哪些属于TIL细胞。最后，系统将细胞数量转换为一个分数，用来表示肺部各区域的TIL细胞总体积浓度。研究表明，这一评分系统能够准确预测患者的预后。

不过，研究人员指出，这个分数本身并不能单独作为精准预后的充分依据。为了赢得医生和患者对这项技术的信任，系统必须具备透明性，能够清晰展示得出结论的过程。换句话说，这项技术应该能够为医生提供直观的视觉证据。例如，系统允许医生查看其识别、分割和分类的细胞，从而验证结果并确保计数的准确性。什韦特索夫补充说：“缺乏技术背景的医护人员可能对采用AI系统持怀疑态度，这也是为什么我们的系统及其结果需要对非专业人士同样有意义的原因。”

此外，该项目还致力于开发适用于其他医学领域的AI技术。虽然该系统最初专注于绘制TIL细胞图谱，但它未来还有潜力应用于其他类型的癌症，而不仅仅局限于肺癌。当然，这需要额外的训练数据，但将其融入现有系统相对简单。尽管这一系统距离成熟产品还有一定距离，但什韦特索夫的研究无疑为一种充满希望的医疗工具打下了坚实的基础。

什韦特索夫特别强调：“我们的目标并不是完全替代医生的工作，而是帮助他们减轻负担。无论AI技术如何发展，人类的专业判断始终不可或缺。”

**合作伙伴：UIT北极大学**

**关键词：癌症、人工智能、技术**

(以上内容均由Ai生成)