使用人工智能驱动的数字病理学框架对病的定量分析
Massimo Salvi1, Filippo Molinari2, Mario Ciccarelli2
1Biolab, PoliTo(BIO)Med Lab, Department of Electronics and Telecommunications, Politecnico di Torino, Corso Duca degli Abruzzi 24, 10129, Turin, Italy. massimo.salvi@polito.it.
Scientific reports
|October 18, 2023
概括
这项研究引入了一个人工智能管道,用于识别大脑组织中的子蛋白聚合物,改善子疾病的诊断. 自动化系统准确量化蛋白质沉积,有助于神经退行性疾病研究.
科学领域:
- 神经科学是一个神经科学.
- 病理学 病理学 病理学
- 人工智能的人工智能
背景情况:
- 子疾病是致命的神经退行性疾病,其特点是子蛋白 (PrPSc) 异常积累.
- 目前的诊断依赖于组织样本的免疫组织化学染色.
- 数字病理学和人工智能为分析染色幻灯片提供了新的途径.
研究的目的:
- 开发一个自动化的AI管道,用于识别数字病理学图像中的PrPSc聚合物.
- 评估深度学习和机器学习方法对PrPSc检测的有效性.
- 建立一个用于量化 PrPSc 沉积在脑组织中的框架.
主要方法:
- 开发了一个使用视觉变压器 (深度学习) 和传统分类器 (机器学习) 的自动化管道.
- 训练并测试了64个全幻灯片图像的管道,这些图像来自41名被证实患有病的患者.
- 在小脑和脑后皮层组织样本中评估PrPSc的识别和定量.
主要成果:
- 人工智能框架准确地从盲目测试组中分类了整个幻灯片图像.
- 该管道成功量化了PrPSc在脑组织中的分布和定位.
- 在数字图像中展示了评估PrPSc沉积的第一个框架.
结论:
- 人工智能辅助的病理学可以显著提高病的诊断准确性和效率.
- 开发的管道为评估PrPSc病理提供了一种定量方法.
- 这种方法有可能用于其他神经退行性疾病,如阿尔茨海默氏症和帕金森病.
