根据在西奈山伊坎医学院进行并发表在《自然》医学期刊《实验室研究》上的一项研究，研究人员开发了一种人工智能平台，用于检测包括阿尔茨海默病和慢性创伤性脑病在内的人类脑组织样本中的多种神经退行性疾病。他们的发现将帮助科学家开发有针对性的生物标志物和治疗方法，从而更准确地诊断复杂的脑部疾病，改善患者预后。
神经纤维缠结中异常tau蛋白在大脑中的积聚是阿尔茨海默病的特征，但它也在其他神经退行性疾病（如慢性创伤性脑病和额外的与年龄相关的疾病）中积累。准确诊断神经退行性疾病具有挑战性，需要高度训练有素的专家。
西奈山计算和系统病理学中心的研究人员开发并使用了精确信息学平台（Precise Informatics Platform），将强大的机器学习方法应用于使用多种神经退行性疾病患者组织样本制备的数字化显微幻灯片。通过应用深度学习，这些图像被用来创建卷积神经网络，能够直接从数字化图像中高精度地识别神经纤维缠结。
西奈山伊坎医学院病理学和神经科学教授、首席研究员John Crary医学博士说："利用人工智能有巨大潜力提高我们检测和量化神经退行性疾病的能力，这代表了对现有劳动密集型且难以复制的方法的重大进步。最终，该项目将带来更高效、更准确的神经退行性疾病诊断。"
这是第一个可用于使用大规模图像数据评估神经病理学中深度学习算法的框架。精确信息学平台（Precise Informatics Platform）支持数据管理、可视化探索、对象轮廓绘制、多用户审查以及深度学习算法结果评估。
西奈山计算和系统病理学中心的研究人员已将先进的计算机科学和数学技术与尖端显微镜技术、计算机视觉和人工智能相结合，以更准确地分类各种疾病。
西奈山医疗系统病理学系主任、伊坎医学院病理学、遗传学与基因组科学以及肿瘤科学教授Carlos Cordon-Cardo医学博士说："西奈山是全国最大的学术病理学部门，每年处理超过8000万次测试，这为研究人员提供了广泛的数据集，可用于改进测试和诊断，最终带来更好的诊断和患者预后。"
【全文结束】
