利用神经网络的图像分析可以帮助识别组织样本中人眼难以识别的细节。芬兰赫尔辛基大学进行的一项研究表明，该技术使得准确确定骨髓增生异常综合征(myelodysplastic syndromes,MDS)患者癌细胞中的基因突变成为可能。
骨髓增生异常综合征是起源于造血干细胞的一组异质性髓系克隆性疾病，特点是髓系细胞分化及发育异常，表现为无效造血、难治性血细胞减少、造血功能衰竭，高风险向急性髓系白血病(AML)转化。
在赫尔辛基大学进行的研究中，利用基于机器学习的图像分析技术对MDS患者骨髓样本的显微图像进行了检查。样本用苏木精和伊红染色，这是疾病常规诊断的一部分。这些幻灯片在计算深度学习模型的帮助下被数字化和分析。
通过使用机器学习，可以对数字图像数据集进行分析，以准确识别影响综合征进展的最常见的遗传突变，例如获得性突变和染色体畸变。样本中异常细胞的数量越多，预测模型产生的结果的可靠性越高。
研究人员表示，“这项研究证实，计算分析有助于识别人眼无法识别的特征。此外，数据分析有助于收集细胞变化及其与患者预后相关性的定量数据。”
研究人员称“图像分析有助于分析大量的活组织检查，并快速产生关于疾病进展的各种信息。该技术也适用于其他项目。”
详细研究发表在美国癌症研究协会的期刊《血癌发现》(Blood Cancer Discovery)上。
编译/前瞻经济学人APP资讯组
原文链接：
https://www2.helsinki.fi/en/news/health-news/image-analysis-based-on-machine-learning-reliably-identifies-haematological-malignancies-challenging-for-the-human-eye
