2019年7月16日计算病理学佩奇宣布在该公司发表一篇文章自然医学描述一个人工智能(AI)计算病理学系统,达到临床级的准确性水平。这篇论文提供了进一步的科学证据,证明病理学家在诊断和治疗癌症方面的工作可以通过计算的部署得到补充和辅助决策支持系统改善病人护理。
负责文章中所述工作的科学家团队开发了专门设计的深度学习算法,以建立一个系统,可以以近乎完美的准确性检测前列腺癌、皮肤癌和乳腺癌。这些算法是基于一个巨大的数据集,其中包括来自44个国家的超过1.5万名癌症患者的近4.5万张去识别的数字化幻灯片图像。
这篇论文概述了一系列新颖的算法是如何使用比手工策划的数据大10倍的数据集来创建的,它们如何执行得更好,也更一般化。这一新发展的意义在于,策划数据集可能非常昂贵,而且耗费大量时间。通过消除整理数据集的需要,Paige现在可以开发许多更高精度的算法,这些算法可以构建到临床决策支持产品中,帮助世界各地的病理学家推动更好的患者护理。
Paige计划将这些解决方案中的几个商业化,以解决病理学中最迫切的需求,改善患者护理。公司已经建立在学术工作的基础上自然医学以美国食品和药物管理局(FDA)目前正在审查的技术为基础,开发一种临床产品,作为指定的突破设备,用于不同于文章中描述的预期适应症。
本研究的所有数据收集、研究和分析都是在纽约市纪念斯隆·凯特琳(MSK)专门进行的。这项研究结果的发表是众多研究人员和临床医生合作的结果,并因佩奇与MSK的合作而成为可能。所有数据都被去识别,不包含任何受保护的健康信息或标签文本。
更多信息:www.nature.com/nm
参考
1.Campanella G, Hanna m.g., Geneslaw L.等。在整个幻灯片图像上使用弱监督深度学习的临床级计算病理学。《自然医学》2019年7月15日。https://doi.org/10.1038/s41591-019-0508-1