新生兒出生后,醫(yī)生有時會檢查胎盤的特征,以確定將來懷孕時的健康風(fēng)險。不幸的是,這是一個耗時的過程,必須由專家進行,所以大多數(shù)胎盤在出生后都沒有經(jīng)過檢查??▋?nèi)基梅隆大學(xué)(CMU)和匹茲堡大學(xué)醫(yī)學(xué)中心(UPMC)的一個研究小組在《美國病理學(xué)雜志》上報告了一種機器學(xué)習(xí)方法來檢查胎盤切片,這樣就可以讓更多的婦女了解到她們的健康風(fēng)險。
檢查胎盤可以預(yù)測母親有患先兆子癇的風(fēng)險
檢查胎盤的一個原因是尋找一種叫做蛻膜血管?。―V)的血管病變。這表明母親有患先兆子癇的風(fēng)險,這種并發(fā)癥在將來的任何懷孕中都可能對母親和嬰兒致命。一旦發(fā)現(xiàn),子癇前期就可以得到治療,因此在癥狀出現(xiàn)之前識別高危母親有很大的益處。然而,盡管在一張幻燈片中有數(shù)百條血管,但僅需一條病變血管即可顯示風(fēng)險。
利用人工智能算法幫助提高胎盤檢查的處理速度
美國賓夕法尼亞州匹茲堡市CMU機械工程系博士丹尼爾·克萊默(Daniel Clymer)說:“病理學(xué)家經(jīng)過多年的訓(xùn)練,能夠在這些圖像中發(fā)現(xiàn)疾病,但醫(yī)院系統(tǒng)中有太多的孕婦,他們沒有時間檢查每一個胎盤。我們的算法幫助病理學(xué)家通過掃描圖像、定位血管以及找到識別DV的血管模式來知道他們應(yīng)該關(guān)注哪些圖像。”
機器學(xué)習(xí)通過“訓(xùn)練”計算機來識別數(shù)據(jù)文件中的某些特征。在本例中,數(shù)據(jù)文件是胎盤樣本的薄片圖像。研究人員向電腦顯示各種圖像,并顯示胎盤是否有病或健康。經(jīng)過充分的訓(xùn)練,計算機能夠自行識別病變。
對于計算機來說,簡單地查看一幅大圖片并對其進行分類是相當(dāng)困難的,因此研究小組引入了一種新的方法,通過這種方法,計算機可以遵循一系列步驟,使任務(wù)更易于管理。首先,計算機檢測圖像中的所有血管。每一條血管都可以被單獨考慮,產(chǎn)生更小的數(shù)據(jù)包用于分析。然后,計算機將訪問每一條血管,并確定它是否應(yīng)該被視為有病或健康。在這一階段,算法還考慮了懷孕的特征,如胎齡、出生體重和母親可能有的任何情況。如果有血管病變,那么圖像和胎盤就被標(biāo)記為有病。UPMC小組提供去識別的胎盤圖像來訓(xùn)練算法。
“這種算法短期內(nèi)不會取代病理學(xué)家,”克萊默博士解釋道,“這里的目標(biāo)是,這種算法可能能夠通過標(biāo)記病理學(xué)家應(yīng)該仔細觀察的圖像區(qū)域來幫助加快處理速度。”
人工智能在醫(yī)療領(lǐng)域的未來前景
美國賓夕法尼亞州匹茲堡市CMU機械工程教授喬納森·拉甘(Jonathan Cagan)博士和菲利普·萊杜克(Philip LeDuc)博士補充說:“這是工程學(xué)和醫(yī)學(xué)之間的一次美好的合作,因為每一項都能將專業(yè)知識帶到桌面上,結(jié)合在一起,創(chuàng)造出可以幫助許多人的新發(fā)現(xiàn)。”
作者之一、前病理信息學(xué)副主席、MBBCh的利倫·潘塔諾維茨(Liron Pantanowitz)指出:“隨著醫(yī)療保健越來越接受人工智能的作用,醫(yī)生盡早與計算機科學(xué)家和工程師合作是很重要的,這樣我們就可以為這項工作設(shè)計和開發(fā)正確的工具,從而對患者的結(jié)果產(chǎn)生積極的影響。在美國賓夕法尼亞州匹茲堡的CMU和UPMC之間的這種合作關(guān)系是一個很好的例子,說明了在這種情況下可以實現(xiàn)什么。”