利用弱监督人工智能分析三维病理样本

2024年5月9日《Cell》发表一项研究：人体组织本身是三维（3D）的，传统上通过标准组织病理学检查的是有限的二维（2D）横截面，由于取样偏差，这些横截面不能充分代表组织。为了全面描述组织形态学的特征，人们开发了三维成像模式，但复杂的人工评估和缺乏从大型高分辨率数据集中提炼临床见解的计算平台阻碍了临床转化。我们介绍的 TriPath 是一种深度学习平台，用于处理组织体积并根据三维形态特征有效预测临床结果。复发风险分级模型是通过开顶光片显微镜或微型计算机断层扫描成像的前列腺癌标本进行训练的。通过全面捕捉三维形态，基于三维容积的预后分析结果优于传统的基于二维切片的方法，包括来自六位被认证泌尿生殖病理学家的临床/组织病理学基线结果。纳入更大的组织容积可提高预后性能，并减轻取样偏差造成的风险预测变异，这进一步强调了捕捉更大范围的异质性形态的价值。