看到需要，波士顿大学医学院(BUSM)的研究人员开发了一种新的人工智能(AI)算法，该算法基于称为表示学习的框架，可根据切除肿瘤的肺组织图像对肺癌亚型进行分类。

“我们正在开发新的基于人工智能的方法，可以提高评估数字病理学数据的效率。病理学实践正处于数字革命之中。正在开发基于计算机的方法来协助专家病理学家。此外，在有没有专家，这样的方法和技术可以直接帮助诊断，”通讯作者VijayaB.Kolachalama博士解释说，FAHA，BUSM医学和计算机科学助理教授。

研究人员开发了一种基于图形的数字病理学视觉变换器，称为图形变换器(GTP)，它利用病理图像的图形表示和变换器架构的计算效率来对整个幻灯片图像进行分析。

“将计算机科学的最新进展转化为数字病理学并非易事，需要建立能够专门解决数字病理学问题的人工智能方法，”该研究的共同通讯作者JenniferBeane博士解释说。BUSM的医学。

他们使用来自三个公开可用的国家队列的完整幻灯片图像和临床数据，然后开发了一个模型，可以区分肺腺癌、肺鳞状细胞癌和邻近的非癌组织。在一系列研究和敏感性分析中，他们表明他们的GTP框架优于当前用于整张幻灯片图像分类的最先进方法。

他们相信他们的机器学习框架具有超越数字病理学的意义。他们补充说：“对为其他实际应用开发计算机视觉方法感兴趣的研究人员也可以发现我们的方法很有用。”