مهندسان دانشگاه لس آنجلس روشی را برای بهبود ابزارهای تشخیصی که نمونه های بافت نمونه برداری شده را با استفاده از هوش مصنوعی بررسی می کنند ، توسعه دادند.

سیستم هوش مصنوعی از رنگ آمیزی مجدد مجازی تصاویر بافتی استفاده می کند که سریعتر و دقیقتر از لکه های مخصوص بشر است. زیر میکروسکوپ ، آسیب شناسان نمونه های بافت بیوپسی را که برای افزایش رنگ و کنتراست با رنگهای مخصوص رنگ آمیزی شده اند ، بررسی می کنند.

هماتوکسیلین و ائوزین بیشترین لکه ها هستند. با این حال ، اغلب در موارد بالینی ، لکه های اضافی اضافی برای افزایش کنتراست و رنگ به اجزای مختلف بافت ضروری است ، و به آسیب شناسان اجازه می دهد تا یک تصویر تشخیصی واضح تر دریافت کنند.

به گفته محققان ، این فرایند در هر نمونه بافت کمتر از یک دقیقه طول می کشد در مقایسه با چند ساعت که توسط متخصصان انسانی انجام می شود. کارایی سیستم امکان تشخیص اولیه سریعتر را فراهم می آورد و منجر به توسعه سریعتر گزینه های درمانی می شود.

آیدوگان اوزجان ، سرپرست تحقیقات در بیانیه مطبوعاتی گفت: "ما یک تکنیک مبتنی بر یادگیری عمیق ایجاد کردیم که نیازی به لکه های خاصی که توسط متخصصان بافت شناسی انجام می شود را از بین می برد." "افزایش سرعت و دقت به ویژه هنگام تشخیص شرایط پزشکی مانند موارد رد پیوند اعضا ، که در آن تشخیص سریع و دقیق امکان درمان سریع را فراهم می کند ، که ممکن است منجر به بهبود نتایج بالینی شود بسیار مهم است."

علاوه بر این ، یک مطالعه دیگر نشان داد که کیفیت تصاویر تقریباً رنگ آمیزی شده از نظر آماری با تصاویر ایجاد شده با لکه های خاص توسط متخصصان انسانی برابر است. به گفته تیم محققان ، این روش به راحتی قابل پذیرش است زیرا این تکنیک برای تصاویر موجود با رنگ آمیزی H & E استفاده می شود.

این تحقیق توسط برنامه بیوفوتونیک بنیادهای ملی علوم حمایت می شود.

201000615.001