最近的一项研究介绍了一个 AI 驱动的先进病理学平台，它可以帮助医生快速、准确地诊断和评估肺癌患者。这个由科隆大学医学院和科隆大学医院研究团队开发的工具能够全自动深入分析良性组织和癌组织，使患者获得更加快速且个性化的治疗。

众所周知，肺癌的死亡率很高，而精确的诊断和个性化治疗能够为患者带来更好的疗效。以往，肿瘤学家通过在显微镜下人工检查组织样本，确定是否存在显示癌症的细胞和结构特征。但即便有专家参与分析，这一过程也十分耗时、具有主观性且容易产生变数，从而导致误诊。

于是，研究人员开发了一种基于深度学习的多类别组织分割平台。该平台可自动分析已数字化的肺组织样本、对癌症进行筛查，并提供该区域的细胞细节。

这个 AI 模型在来自六家机构的一个大型数据集上进行训练和验证，该数据集共包含来自 1,527 名患者的 4,097 张带注释的切片。

该研究的资深作者 Yuri Tolkach 表示：“该算法可以区分从肿瘤组织、肿瘤相关类别（如肿瘤基质、坏死碎片、粘蛋白）到软骨和淋巴组织等共计 11 种组织类型。它在不同类别的分割中展现出非常高的像素精度，平均骰子分数为 0.893。”

研究人员依托科隆大学配备的高性能计算集群，该集群装备了 12 块 NVIDIA V100 GPU，以及病理学研究所人工智能服务器上的 4 块 NVIDIA GPU。此外，他们还使用了配备有 NVIDIA GeForce RTX 3090 和 NVIDIA RTX 4090 GPU 的 PC 平台。

这种配置能够快速分析整张切片图像，分析一张 200 到 2,000 Mb 的全切片图像大约需要 1 到 5 分钟。

Tolkach 表示：“我们研究小组的成立以及能够在《自然-机器智能》杂志上首次发表大型癌症研究报告，都得益于 NVIDIA 学术资助计划提供的 NVIDIA Quadro P6000 GPU 的协助。”

该 AI 工具还能显示细胞环境中肿瘤细胞和免疫细胞的详细特征，揭示癌症在人体内的相互作用机制。

如果能够识别组织样本中肉眼无法观察到的微妙模式和关系，就能为更加精准且有效的治疗方法提供参考，洞悉患者对特定癌症疗法的反应。