软件助力显微镜数字化李升伟编译机器能否判断患者的预后这台.doc

软件助力显微镜数字化 李升伟/编译 机器能否判断患者的预后？这台显微镜在尝试部分完成这项工作 ● 从图像分析软件到安装在手机上的无透镜显微镜，计算创新及其新的工具正在给病理学家们提供更清晰、更富含信息的图像。 17世纪，伽利略（Galileo）、安东尼·范·列文虎克（Antonie van Leeuwenhoek）和罗伯特·胡克（Robert Hooke）等人，通过研磨透镜制造出最早的显微镜，使人类看到了肉眼看不到的微观生命体的奇特景致。他们第一次看到了软木塞内的细胞、包括血液和其他组织内的细胞，其中，有“微生物之父”之称的列文虎克在牙菌斑中发现了游动的“微动物”和观察到精子的运动。 现在，物理学家和工程师们正在试图给显微镜的现状或发展带来类似的改变。在大多数病理学实验室，医生们通常通过解读载玻片上的组织切片来诊断疾病――例如，在难以量化的视觉信号基础上对肿瘤进行分类。然而，情况正在开始改变。正如透镜曾经让人们看到了以前肉眼看不到的图像一样，软件为生物学打开一扇新的窗户。 必威体育精装版的数据式工具可以使你在显微镜图像内进行视觉有哪些信誉好的足球投注网站、自动化诊断和产生肿瘤基因组学表达谱的同步图像数据。一些研究人员甚至完全扔掉了透镜，在硬件基础上制造计算显微镜，用于诊断或护理，尤其在缺医少药的贫穷地区。 从数据中挖掘 然而，病理学依然是一门顽固的模拟的和定性的科学。经验丰富的病理学家的主要工具是载玻片——200多年几乎没有改变的复式显微镜外加一双眼睛。耶鲁医学院病理学家戴维·里姆（David Rimm）说：“病理学家的大多数医疗决策是根据形态学定义的。”也就是显微镜下细胞和组织的结构细节。 当然，方法的陈旧决不是放弃它的原因。但是，数字式病理学倡导者们担忧的是（决策）不一致会带来假阴性或误诊。比如，在鉴定罕见肿瘤时，有经验的病理学家往往比年轻人做得好，但是，彼此经常出现判断不一致，尤其是对同一个样品的不同评估，这是矛盾的。 数字式病理学早期提倡者、俄亥俄州立大学的生物医学信息学家梅廷·居尔坎（Metin Gurcan）认为，临床数字化的障碍在于图像的大小和其处理过程复杂性。首先，要将活检组织切成多个部分并放在多个载玻片上，一个载玻片在显微镜下放大得到的数字式图像大约有100亿个像素，需要30千兆字节的内存。例如，典型的前列腺穿刺活检使用20多张载玻片，需要大约600千兆字节。 接着，便是大量的数据等待着病理学家的扫描或软件的筛选。居尔坎说：“在这些图像中解读细胞数目和类型是令人难以置信的。”然而，一种与这种复杂性打交道的方法就是通过软件来识别和解读，就像人所做的那样，而且更快速、一致。 正如人们通过学习来掌握知识那样，软件也可以。2011年，哈佛医学院的病理学家安德鲁·贝克（Andrew Beck）建立了一种称为C-Path的学习软件，结合248名患者的乳腺癌活检图像和生存资料，该软件学习后可以给乳腺癌患者进行评分和预测其存活率。 在显微镜下观察活检组织，病理学家主要凭借癌细胞三个特有的特征来甄别肿瘤的攻击性：细胞核形状是否异常？细胞是否正在分裂？细胞彼此是否正常连接或分离？病理学家们将这些特征逐项量化后以此确定肿瘤级别及描述其攻击性如何。 而C-Path系统的工作原理是，将图像分割成“超像素”小区域，在每个超像素内鉴别细胞核和细胞质，并与邻近的超像素比对――颜色、纹理、大小和外形。对于乳腺癌，这种比对分析产生的特征与两种事物相关：样品的全结构和其精细比例细节，例如，癌细胞和正常细胞的细胞核之间的平均距离。 最后，C-Path得到的6 642个特征结构，在描述癌细胞自身的同时，还包括周围基质的连接组织。事实上，基质形态学比单独的癌症形态学具有更好的存活预测因子：基质区域形态一致与良好的预后有联系，而被上皮细胞浸润的基质，则指示程度较高的进展性癌症。基于对数千个特征结构的分析，C-Path做出了比标准的病理学分析更准确的患者存活率分析。贝克现在在更广范围样品中训练他的软件，包括全玻片图像和正常乳腺组织样品。 视觉学习软件 有可能的是，病理学家也会寻找到由C-Path计算出的数千特征结构中的一些特征，但却难以用词语来表述它们。比如，将一例确诊的肿瘤和在一幅照片中识别出你叔叔的经历进行比对。你不能确切地说清楚他是你叔叔――是他的鼻子、眼睛还是衣服？只知道这就是他。但是，计算机却可以量化分析一幅图像的特征，并且可以重复。 也有人认为，作为第二双犀利的眼睛，软件的正确用途应该是帮助医生从海量数据中寻找或对目标物进行分类，以此减轻他们的工作量。安阿伯市密歇根大学的病理信息学专家尤里西斯·巴利斯（Ulysses Balis）正在开发一种称为SVIQ的通用视觉有哪些信誉好的足球投注网站程序。 为了对SVIQ进行实证，巴利斯通过不同角度对大肠腺癌切片的数字式图像进行放大和缩小，