发布时间：2024-06-29 19:48:05 栏目：精选知识
前列腺癌是男性最常见的癌症，在，它是男性的第二大死因。
一些前列腺癌可能生长缓慢，可以随着时间的推移进行监测，而另一些则需要立即治疗。为了确定某人的癌症有多严重，医生会在载玻片上的活检组织切片中寻找异常情况。但是这种二维方法很难正确诊断边缘病例。
现在，由华盛顿大学领导的一个团队开发了一种新的非破坏性方法，可以对整个 3D 活检进行成像，而不仅仅是切片。在一项原理验证实验中，研究人员对取自 50 名患者的 300 份 3D 活检进行了成像——每名患者 6 次活检——并让计算机使用 3D 和 2D 结果来预测患者患有侵袭性癌症的可能性。3D 功能使计算机更容易识别五年内更有可能再次发生的病例。
“我们首次证明，与传统病理学相比——在显微镜载玻片上以 2D 形式检查每个活检的一小部分——以 3D 形式检查 100% 活检的能力更具信息性和准确性，”资深作者乔纳森说刘，华盛顿大学机械工程和生物工程教授。“这是令人兴奋的，因为它是有望证明非破坏性 3D 病理学对临床决策的价值的许多临床研究中的第一项，例如确定哪些患者需要积极治疗或哪些患者亚群对某些药物反应最好.”
研究人员使用了 10 多年前接受手术的患者的前列腺标本，因此该团队了解每位患者的结果，并可以使用这些信息来训练计算机预测这些结果。在这项研究中，一半的样本含有更具侵袭性的癌症。
为了创建 3D 样本，研究人员从手术切除的前列腺中提取了“活检核心”(圆柱形组织塞)，然后对活检核心进行染色以模拟 2D 方法中使用的典型染色。然后，该团队使用开放式光片显微镜对每个整个活检核心进行成像，该显微镜使用一片光以光学方式“切片”并成像组织样本，而不会破坏它。
3D 图像比 2D 图像提供了更多的信息——特别是关于整个组织中腺体复杂的树状结构的细节。这些附加功能增加了计算机正确预测癌症侵袭性的可能性。
研究人员使用新的人工智能方法，包括深度学习图像转换技术，来帮助管理和解释该项目生成的大型数据集。
“在过去十年左右的时间里，我们的实验室主要致力于为各种临床应用构建光学成像设备，包括显微镜。然而，我们开始遇到临床采用的下一个重大挑战：如何管理和解释大量数据集我们是从患者标本中获取的，”刘说。“这篇论文代表了我们实验室的第一项研究，该研究开发了一种新的计算管道来分析我们功能丰富的数据集。随着我们继续改进我们的成像技术和计算分析方法，以及我们进行更大规模的临床研究，我们希望我们能提供帮助改变病理学领域，使许多类型的患者受益。”
免责声明：本文由用户上传，如有侵权请联系删除！
