几何计算联袂深度学习 提升疾病诊断准确率

记者8月17日从东南大学获悉，该校教授顾忠泽团队联合中国科学院外籍院士丘成桐团队等研发出基于几何表面参数化的多组学预测技术。该技术能提升对结直肠肿瘤等实体瘤的组织分型与分子标志物的预测准确率，有望支撑人工智能在病理图像分析领域的应用。相关成果近日刊发于中国工程院院刊《工程学》。

“人工智能已经在病理诊断中有不少应用，但现有算法多用于自然图像领域，其处理不规则病理图像的能力有限。”论文第一作者、东南大学生物科学与医学工程学院博士生黄锴介绍，当碰到病理组织分布不均匀等情况时，人工智能对疾病的预测准确度就会大打折扣。

此次研究中，科研团队基于丘成桐创立的计算共形几何理论，创新性引入“表面参数化”方法，并利用上海数学与交叉学科研究院教授林文伟和东南大学数学学院教授李铁香研发的共形能量最小化与拉伸能量最小化两种快速几何算法，将复杂的病理切片图像转换为规则正方形图像。

“病理切片中的组织形状很不规则，造成图像中有许多空白区域，这些空白对于疾病的诊断没有意义，我们将包含少量空白的不规则组织的图像提取出来，再将这些图像转换为正方形。”论文共同通讯作者李铁香介绍，团队通过几何映射技术，保留了病理图像关键特征，同时引入多尺度和各向异性信息，提升病理切片图像中有关肿瘤区域的信息量。经过这番处理，既减少了对无用信息的储存、处理，又能增强卷积神经网络对肿瘤特征的学习能力。

黄锴介绍，团队使用该方法在573名结直肠癌患者的1802张切片上进行训练和验证，不仅准确预测了结直肠癌的分子标志物KRAS和BRAF基因的突变状态，还推测了患者的预后生存情况。其中，BRAF突变预测准确率提升至90%，且适用于低样本、稀有亚型等挑战性任务。

论文共同通讯作者顾忠泽表示，这项融合几何计算与深度学习的创新方法，或将成为用于多组学病理预测与类器官表型研究的关键技术，推动精准医疗领域迈向新阶段。