Dartmouth's Norris Cotton癌症中心和Dartmouth University合作,使用深度學習演算法自動分類載玻片上的肺腺癌(Adenocarcinoma)組織切片,藉由辨識肺腺癌類型以利預後(對疾病未來進展和結果的預測參考),速度不只更快,其精確度更與病理學家相同。

肺腺癌組織型態的分類,對於針對患者腫瘤等級以及後續治療至關重要,但是由於肺癌有多種型態,再加上主觀的判斷標準,實際上難以準確的評估肺癌狀況。肺腺癌組織亞型有五種,不同的組織形態影響肺腺癌預後,因次辨識組織型態會進一步影響病患存活率,研究團隊指出,像是知道癌症組織只有純鱗屑狀型態,醫生能更精準的掌握第一期肺腺癌患者的後續發展,而當切片中多為乳頭狀或是實狀組織,則病患存活率低需要輔助化療。

但要從組織中辨識出這些訊息並不容易,80%的肺腺癌病例混有多種組織類型,而研究團隊表示,用於分類的定性標準,會使病理學家的觀察產生差異,研究也證實,不同肺部狀態評估,對於肺癌組織型態的判讀有很大的影響,病理學家難以分辨切片中主要的肺癌組織類型,但即便是微小的判讀差異,都可能對醫生後續判斷產生嚴重地影響。

而這項研究是醫學上首次使用深度學習技術,對肺腺癌手術切除的組織進行亞型的分類。研究團隊使用了Dartmouth's Norris Cotton癌症中心收集的422張幻燈片影像,這些影像被隨機分類用於訓練、開發和測試,最後使用獨立的143張圖像,評估訓練過的模型與三位病理學家的辨識結果,評估的結果顯示,該模型的所有評估指標,都與病理學家的的評估結果一致,落在95%信任區間中。

研究團隊表示,由於模型能夠快速的辨識出結果,因此能夠被整合到訊息管理系統中,不只可以自動補充幻燈片的癌症亞型診斷,也能對較複雜的案例進行第二次判讀。該系統將作為一個自動化平臺,用於確保肺腺癌組織切片解讀的品質,這篇論文在Nature的Scientific Reports上發表,程式碼已在GitHub上開源。


Advertisement

更多 iThome相關內容