科學(xué)研究：深度學(xué)習(xí)精確染色數(shù)字活檢切片

用于腫瘤數(shù)字染色的神經(jīng)網(wǎng)絡(luò)模型激活圖。 （圖片來源：麻省理工學(xué)院）

通常使用蘇木精和伊紅染色（H&E）的組織活檢切片，是組織病理學(xué)的基石，特別是對于需要診斷和判定腫瘤分期的病理學(xué)家。由麻省理工學(xué)院（MIT）媒體實驗室的科學(xué)家領(lǐng)導(dǎo)的一個研究團隊，與斯坦福大學(xué)醫(yī)學(xué)院（Stanford University School of Medicine）、哈佛醫(yī)學(xué)院（Harvard Medical School）的臨床醫(yī)生合作，通過研究發(fā)現(xiàn)，深度學(xué)習(xí)算法經(jīng)過實物染色切片的訓(xùn)練后，可以對活檢切片的數(shù)字掃描進(jìn)行計算機染色。

在盲測實驗中，病理學(xué)家使用活檢切片辨別和分級前列腺癌，但他們無法區(qū)別計算機染色的活檢切片圖像和傳統(tǒng)染色的活檢切片。更重要的是，這些電子活檢切片可以用計算機脫色并恢復(fù)原貌，以供將來的研究使用。這項研究被總結(jié)發(fā)表于JAMA Network Open。

計算機染色和脫色的過程保留了來自癌癥患者的少量活檢組織，研究人員和臨床醫(yī)生用這種方法分析切片，即可無需獲取額外的組織活檢，便能進(jìn)行診斷和預(yù)后的多種檢查。

斯坦福大學(xué)病理學(xué)副教授、循環(huán)腫瘤實驗室主任、論文的共同作者Alarice Lowe說：“我們開發(fā)的脫色工具，可以極大地擴展我們對數(shù)百萬張具有已知臨床結(jié)果數(shù)據(jù)的切片進(jìn)行研究的能力。這項成果極有可能被廣泛應(yīng)用并進(jìn)行嚴(yán)格驗證?！?/p>

MIT首席研究科學(xué)家、研究的通訊作者Pratik Shah表示，研究人員還分析了深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)染色切片的步驟，這對于深度學(xué)習(xí)系統(tǒng)的臨床轉(zhuǎn)化至關(guān)重要。

Pratik Shah說：“組織樣本是鎖，算法是鑰匙，但是我們還要檢驗學(xué)習(xí)系統(tǒng)中得到的數(shù)據(jù)結(jié)果。數(shù)據(jù)結(jié)果解釋并證實了深度學(xué)習(xí)模型可通過隨機臨床實驗，并可用于臨床應(yīng)用?！?/p>

MIT的其他貢獻(xiàn)者包括共同第一作者、技術(shù)助理Aman Rana（目前供職于亞馬遜）和Shah實驗室的博士后Akram Bayat。哈佛醫(yī)學(xué)院（Harvard Medical School）、布里翰婦女醫(yī)院（Brigham and Women's Hospital）、波士頓大學(xué)醫(yī)學(xué)院（Boston University School of Medicine）和波士頓退伍軍人保健部（Veterans Affairs Boston Healthcare）的病理學(xué)家為對研究結(jié)果進(jìn)行了臨床驗證。

創(chuàng)建“姐妹”切片

為了制作計算機染色的組織片，Shah和同事一直在訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，它通過比較H&E染色前后的數(shù)字活檢切片圖形來學(xué)習(xí)。這是一項非常適合神經(jīng)網(wǎng)絡(luò)的工作。Shah說：“它們在學(xué)習(xí)數(shù)據(jù)分布和映射方面非常強大，而人類并不能像它們學(xué)得那樣好?！?/p>

Shah稱這些配對為“姐妹”，并指出神經(jīng)網(wǎng)絡(luò)的訓(xùn)練是通過展示幾千對切片完成的。訓(xùn)練完成后，這個網(wǎng)絡(luò)只需要“低成本、易獲取、易管理的姐妹”（無染色的活檢圖片），來生成計算機H&E染色的圖像，或者恢復(fù)一張被脫色的HE染色圖片

最近的研究中，研究人員使用87,000個圖片補?。ㄕ麄€數(shù)字圖片的一小部分）來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，這些補丁來自布里翰婦女醫(yī)院（Brigham and Women's Hospital）2014-2017年的38位男性的前列腺活檢組織掃描圖片。研究人員去除了這些組織和患者的電子健康記錄。

當(dāng)Shah和同事逐像素比較常規(guī)染色圖像和計算機染色圖像時，他們發(fā)現(xiàn)，神經(jīng)網(wǎng)絡(luò)展現(xiàn)出準(zhǔn)確的虛擬HE染色，生成的圖像與染色后的圖像有90%~96%的相似度。深度學(xué)習(xí)算法也可以逆轉(zhuǎn)染色的過程，對切片脫色，以相似的準(zhǔn)確度恢復(fù)原貌。

Lowe說：“這項工作表明，計算機算法能夠可靠地使用未染色的組織并模擬H&E組織化學(xué)染色?！盠owe還表示，這個過程為病理學(xué)家常用的其他染色和分析方法奠定基礎(chǔ)。

計算機染色的切片使得耗費時間的染色自動化運作，但Shah說，深度學(xué)習(xí)真正的技術(shù)優(yōu)勢，是脫色并保留圖像以供將來使用。他說：“我們不僅僅在解決染色的問題，我們還在解決組織保留的問題。”

軟件即醫(yī)療設(shè)備

作為研究的一部分，四位經(jīng)過認(rèn)證、訓(xùn)練有素的病理學(xué)專家標(biāo)記了13組計算機染色的和傳統(tǒng)染色的切片，以便用于潛在腫瘤的鑒定和分級。第一輪對四位病理學(xué)家隨機分組，其中兩位使用計算機染色圖像，另外兩位使用H&E染色圖像。四周后，兩組專家調(diào)換了圖像集，并開始下一輪。兩組圖像中，專家的鑒定有95%是相同的。Shah說，“人類無法區(qū)別它們?！?/p>

病理學(xué)家對計算機染色圖像的評估和患者的電子健康記錄中包含的大多數(shù)初步臨床診斷一致。研究人員發(fā)現(xiàn)，有兩組計算機染色的圖像推翻了原有的診斷結(jié)果。

Lowe說：“事實上，數(shù)字染色圖像上呈現(xiàn)出較高準(zhǔn)確度的診斷，說明圖像質(zhì)量的高保真度?！?/p>

研究還有一個重要的內(nèi)容，即用全新的方法將神經(jīng)網(wǎng)絡(luò)可視化，并解析神經(jīng)網(wǎng)絡(luò)如何對圖像進(jìn)行計算機染色和脫色。研究人員創(chuàng)建出一種逐像素可視化，并使用神經(jīng)網(wǎng)絡(luò)模型的激活圖來解析處理過程，這些激活圖對應(yīng)于臨床醫(yī)生用于鑒別診斷的腫瘤等特征。

Shah與美國食品藥品監(jiān)督管理局（U.S. Food and Drug Administration）致力于計算醫(yī)學(xué)的規(guī)范和轉(zhuǎn)化，以便臨床應(yīng)用。他表示，這種分析有助于創(chuàng)建一個驗證過程，在評估“軟件即醫(yī)療設(shè)備”是必需的。

Shah說：“問題是，我們?nèi)绾伟堰@項技術(shù)推廣到臨床，最大程度惠及患者和醫(yī)生。技術(shù)推廣的過程包括這些：高質(zhì)量數(shù)據(jù)，計算機科學(xué)、模型解析和基準(zhǔn)性能、圖像可視化，以及與臨床醫(yī)生合作進(jìn)行多輪評價?！?/p>

作者：Becky Ham

翻譯：陳振翀

審校：巢栩嘉

引進(jìn)來源：麻省理工學(xué)院

引進(jìn)鏈接：https://medicalxpress.com/news/2020-05-deep-accurately-digital-biopsy.html

關(guān)注【深圳科普】微信公眾號，在對話框：

回復(fù)【最新活動】，了解近期科普活動

回復(fù)【科普行】，了解最新深圳科普行活動

回復(fù)【研學(xué)營】，了解最新科普研學(xué)營

回復(fù)【科普課堂】，了解最新科普課堂

回復(fù)【科普書籍】，了解最新科普書籍

回復(fù)【團體定制】，了解最新團體定制活動

回復(fù)【科普基地】，了解深圳科普基地詳情

回復(fù)【觀鳥知識】，學(xué)習(xí)觀鳥相關(guān)科普知識

回復(fù)【博物學(xué)院】，了解更多博物學(xué)院活動詳情