11月22日，記者從西安交通大學(xué)獲悉：該校計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院李辰教授團(tuán)隊(duì)聯(lián)合劍橋大學(xué)在AI醫(yī)學(xué)領(lǐng)域?qū)崿F(xiàn)重大突破，開發(fā)的名為SMMILe的新型人工智能框架將以往耗時(shí)20分鐘的復(fù)雜病理切片分析縮短至1分鐘，能自動(dòng)推斷出腫瘤在組織中的具體位置、邊界范圍及不同亞型的空間分布，且無需醫(yī)生進(jìn)行逐一切片標(biāo)注。該模型系全球首個(gè)大規(guī)模腫瘤篩查人工智能病理模型，相關(guān)研究近日發(fā)表于國際腫瘤學(xué)權(quán)威期刊《自然·癌癥》上。

　　在癌癥精準(zhǔn)診療中，千兆像素級(jí)的數(shù)字病理切片是“金標(biāo)準(zhǔn)”。然而，長期以來計(jì)算病理學(xué)面臨著一個(gè)巨大難題：現(xiàn)有的主流AI模型雖然能以較低成本判斷切片“是否有癌癥”，但無法回答“病灶具體在哪里”、“惡性細(xì)胞如何分布”以及“各類腫瘤亞型所占比例”。要想獲得這些關(guān)鍵信息，仍需要病理醫(yī)生投入大量精力分析。

　　為何SMMILe能做到其他醫(yī)學(xué)AI模型做不到的事?這得益于其獨(dú)特的設(shè)計(jì)理念。SMMILe類似于一套用于圖像的“聲納”系統(tǒng)，賦予計(jì)算機(jī)“在黑暗中視物”的能力。

　　“傳統(tǒng)方法往往因?yàn)槿狈Σ±淼脑敿?xì)坐標(biāo)信息而‘抓瞎’，或者只能捕捉到最明顯的特征。而SMMILe通過融合特征壓縮、參數(shù)自適應(yīng)處理等前沿?cái)?shù)學(xué)模型，能夠敏銳捕捉到微弱的病理信號(hào)。即便是在沒有任何位置標(biāo)注信息的情況下，它也能像聲納探測海底地形一樣，精準(zhǔn)鎖定并還原出具有生物學(xué)意義的腫瘤空間圖譜。這讓病理分析效率實(shí)現(xiàn)了數(shù)量級(jí)的飛躍。”李辰表示，此次模型發(fā)布標(biāo)志著AI病理診斷從“粗略分類”邁向“精準(zhǔn)量化”的新階段。 (記者 郭詩夢)