使用Ceoggraph進行病理圖像分類的圖示。圖片來源：物理學家組織網

美國得克薩斯大學西南醫學中心研究人員開發了一種新的人工智能（AI）模型，可分析組織樣本中細胞的空間排列。12月11日發表在《自然·通訊》上的這一創新方法，準確地預測了癌癥患者的結果，標志著在利用AI進行癌癥預后和個性化治療策略方面取得了重大進展。

細胞的空間組織就像一個復雜的拼圖，每個細胞都是一塊獨特的拼圖碎片，精心組裝在一起，就形成一個有凝聚力的組織或器官結構。這項研究展示了AI非凡的能力，它能把握組織內細胞之間的這些錯綜復雜的空間關系，提取以前人類無法理解的微妙信息，同時預測患者的預后。

組織樣本通常從患者身上收集，并放在玻片上供病理學家解讀，病理學家對其進行分析以作出診斷。然而，這個過程很耗時，不同的病理學家的解釋也不盡相同。此外，專家可能會忽略病理圖像中的細微特征，這些特征可能隱藏著關于患者病情的重要線索。

新的AI模型Ceoggraph模仿了病理學家閱讀組織切片的方式。首先，它檢測圖像中的細胞及其位置；接著，它識別細胞類型及其形態和空間分布；最后，AI能創建一個地圖，在其中可分析細胞的排列、分布和相互作用。

研究人員成功地將這一工具應用于使用病理切片的3個臨床場景。在其中一項研究中，他們使用Ceoggraph來區分肺癌的兩種亞型——腺癌和鱗狀細胞癌；在另一項研究中，他們預測了口腔癌前病變進展為癌癥的可能性。在第3項研究中，他們確定了哪些肺癌患者最有可能對表皮生長因子受體抑制劑產生反應。

在各種情況下，Ceoggraph模型在預測患者結果方面都顯著優于傳統方法。研究人員稱，Ceoggraph確定的細胞空間組織特征是可解釋的，并有助于從生物學角度深入了解個體細胞間相互作用的變化如何產生不同的功能后果。這些發現突顯了AI在醫療保健中日益重要的作用，為提高病理分析的效率和準確性提供了一種方法，有可能簡化高危人群的針對性預防措施，并優化個體患者的治療選擇。