达拉斯-2019年12月9日-UT西南研究人员开发了一种软件工具，该工具使用人工智能从数字病理图像中识别癌细胞-为临床医生提供了一种预测患者预后的有效方法。

不同类型细胞的空间分布可以揭示癌症的生长方式，与周围微环境的关系以及人体的免疫反应。但是，手动识别病理切片中所有细胞的过程非常费力且容易出错。

“由于组织样本中通常有数百万个细胞，病理学家一天只能分析这么多的玻片。为了做出诊断，病理学家通常只详细检查几个'代表性'区域，而不是整个玻片。但是，这种方法可能会遗漏一些重要的细节，”在EBioMedicine上发表的一项研究的通讯作者，UT Southwestern的人口与数据科学教授说，光华“ Andy” Xiao博士说。

肖博士补充说，人脑不善于捕捉微妙的形态学模式。因此，系统研究肿瘤微环境的主要技术挑战是如何自动分类不同类型的细胞并量化其空间分布。

肖博士和他的团队开发的AI算法称为ConvPath，它通过使用AI对肺癌病理图像中的细胞类型进行分类来克服这些障碍。

它是这样工作的：ConvPath算法可以使用从人类病理学家那里学习的AI算法，“观察”细胞并根据其在病理图像中的外观来识别其类型。该算法有效地将病理图像转换为“图”，以显示肿瘤组织中肿瘤细胞，基质细胞(即结缔组织细胞)和淋巴细胞(即白细胞)的空间分布和相互作用。

肿瘤细胞是否聚集在一起或扩散到基质淋巴结是揭示人体免疫反应的一个因素。因此，了解这些信息可以帮助医生定制治疗计划并确定正确的免疫疗法。

最终，该算法可以帮助病理学家更快地获得最准确的癌细胞分析结果。

肖博士说：“病理学家在组织图像中定位非常小的肿瘤区域既费时又困难，因此，这可以大大减少病理学家在每个图像上花费的时间。” Hill是生物信息学系的成员，并且是UTSW的定量生物医学研究中心(QBRC)和Harold C. Simmons综合癌症中心的成员。