您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
AI可以增强传统的肾脏疾病诊断方法
2019年09月11日 由 TGS 发表
961929
0
研究人员发现，现代机器学习似乎可以增强传统的肾脏疾病诊断方法。病理学家通常根据对患者肾脏活检的视觉评估，对各种肾脏疾病进行分类，机器学习可以帮助实现自动化并提高分类的准确性。在一项研究中，由Pinaki Sarder博士和Brandon Ginley(布法罗大学雅各布斯医学和生物医学科学学院)领导的一个团队开发了一种计算算法，能在没有人类干预的情况下检测糖尿病肾病的严重程度。该算法能在显微镜下检查患者肾活检的数字图像，并提取肾小球的信息——肾小球是肾脏的小血管，过滤血液中的废物以供排泄。每个活检组织通常有10到20个单个肾小球，该算法能够检测数字图像中每个肾小球子成分的位置，然后对每个子成分进行多次测量。
Sarder博士解释说：“该算法会用一系列方式查看一个病人的活检中测量到的所有特征，就像医生会扫描病人从一个肾小球到另一个肾小球的活检，并检查每个肾小球的结构一样。”
“该算法在检查肾小球结构时具有长期和短期记忆，因此它可以记住并将所有肾小球的信息纳入最终分析。”Sarder博士的合作伙伴金利先生补充道。
研究人员使用他们的方法对54名糖尿病肾病患者的活检样本进行了数字化分类，发现数字化分类与3名不同病理学家的活检样本分类有很大的一致性，这代表着距离实验落地更近了一步。后来，研究人员开发了一种名为“卷积神经网络”(CNN)的机器学习模型，发现它可以应用于多个中心的组织，用于活检和肾切除样本，以及健康和病变组织的分析。此外，他们用标准的分类方法验证了CNN的结果。“在这项研究中，我们用人工智能来准确分析肾移植组织。这将为肾脏移植研究提供非常准确和可重复的数据。从长远来看，这也将改善移植患者的诊断，从而提高器官存活率。”Sarder博士的另一位合作伙伴，Laak博士说。
机器学习在肾脏领域的应用很少，它完全可以从肾脏组织中提取出更多有利于移植的信息，目前主要局限于检测单个结构，这委实有些屈才，对于长远发展来说，无疑是不利的，相关领域的专家正在努力寻找合适的方式破局，为人类更好的明天而奋斗。
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
广告
广告
写评论取消
回复取消