病理学的数字化转型为癌症诊断开辟了新的可能性。如今的人工智能（AI）技术已远远超越简单的自动化：它们能够从常规收集的组织学组织切片中提取先前隐藏的生物学信息，从而促进对肿瘤疾病的深入理解。
科隆大学医院病理科的一个团队开发了一种全新的方法，称为SPARK（病理研究与知识代理系统）。题为"癌症病理学中自主科学发现的代理框架"的研究已在《自然医学》上发表。
SPARK代理AI的工作原理
传统的AI方法主要集中在对组织进行分割或分析肿瘤微环境中的单个细胞。然而，这些方法常常遇到局限——例如，由于解释性有限或难以将结果应用于新的研究问题。这种基于代理的AI系统充当"数字大脑"，将几种专业算法连接到一个协调的系统中，该系统可以自主生成生物学假设、改进这些假设，并将其转化为分析工具，而无需重新训练模型。
将语言用作通用界面，使得与复杂图像数据的灵活直观交互成为可能。例如，这使得可以进行基于语言的简单分析，如确定肿瘤是否会对免疫疗法产生反应。
在对来自18个独立队列和5种不同肿瘤类型的5,400多名患者进行的广泛分析中，由科隆大学医院病理科高级医师Yuri Tolkach博士领导的团队证明，SPARK能够识别具有临床相关性和生物学依据的组织标志物。这些标志物与疾病进程、已建立的病理参数以及治疗反应密切相关。
此外，该系统能够从静态组织切片中推断肿瘤的时间发展，并提供对肿瘤进展潜在机制的更好理解。
临床潜力和可访问性
"SPARK有助于完善诊断、更可靠地对患者进行分层，并做出更精确的治疗决策。特别是在个性化肿瘤学领域，有机会将治疗更紧密地与肿瘤的个体生物学特征相匹配，从而改善治疗结果，"Tolkach说道。
研究人员表示，SPARK的可访问性是另一个优势：通过专门的交互式模块化用户界面，临床医生和研究人员即使没有任何编程知识也能开发分析方法。
尽管这些结果很有希望，但在日常临床实践中进行前瞻性验证对于确认该技术的全部益处仍然必要。所有开发的方法、参数和结果都已公开提供，以积极鼓励学术界进一步开发。
"通过SPARK，我们的目标是将病理学从主要是描述性的学科转变为数据驱动的预测性科学——从而为肿瘤学中的精准医学做出重大贡献，"普通病理学和病理解剖学研究所所长Reinhard Büttner教授说道。
【全文结束】