华盛顿州立大学开发的一种"深度学习"人工智能模型，能比人类更快且更准确地识别动物和人体组织图像中的病理特征或疾病迹象。这项突破可能大幅加速疾病相关研究，并有望提升医疗诊断效率——例如将活检图像中的癌症检测从人类病理学家通常需要数小时缩短至数分钟。
这项发表于《科学报告》的研究显示，该AI模型通过分析肾脏、睾丸、卵巢和前列腺组织的分子级病理特征，不仅能快速正确识别病变，还能发现传统人工团队遗漏的病例。共同通讯作者迈克尔·斯金纳表示："这个基于AI的深度学习程序在组织分析上展现出革命性潜力，将极大提升人类和动物医学诊断效率。"
研究团队通过表观遗传学研究数据训练AI模型。表观遗传学研究DNA序列不变情况下影响基因行为的分子过程，传统分析需耗费大量人力，大型研究可能耗时一年以上。而新AI模型已能将相同分析缩短至两周完成。
该深度学习模型采用仿生神经网络架构，通过反向传播算法持续优化识别能力。特别设计的"分块处理+全局定位"技术，使其能高效处理十亿像素级的超高分辨率病理图像，这种突破性方法类似在显微镜下实现自动化的"放大-定位"操作。
除医学应用外，该模型已在野生动物病理学研究中展开应用，目前正与该校兽医学院合作开展鹿和麋鹿组织样本分析。共同通讯作者劳伦斯·霍尔德强调："只要提供标注过的训练数据，这套系统就能胜任任何组织病理学分析任务。"
该研究获得约翰·邓普顿基金会资助。共同作者包括该校生物科学学院研究副教授埃里克·尼尔森。目前该AI模型已在多项基准测试中超越现有系统，被认为是当前最先进的数字病理学分析工具。
【全文结束】
