一种新的AI模型可以在几周内完成通常需要一年或更长时间的分析任务。华盛顿州立大学的一组工程师和生物学家开发了一种能够从人类组织图像中识别疾病迹象的人工智能系统。该系统使用可扩展的深度学习技术来识别感染，其在时间和准确性方面均超过了人类的能力。为了准确进行组织病理学诊断，研究人员必须整合人工智能、计算机视觉和医学。这一交叉领域是自动疾病检测模型发展的核心障碍。此外，显微镜图像的庞大尺寸和组织层面的复杂结构增加了另一层困难。在千兆像素图像中寻找病理实例对人类来说是一项耗尽精力的任务，这也使任何检测模型的实时应用受到质疑。
一项发表在《科学报告》上的新研究提出了一种新的深度学习模型，该模型能够高效地识别千兆像素组织病理学切片中的错误。这种新方法可以加快疾病相关研究的速度，而这些研究通常需要病理学家花费数小时来识别实例。该AI模型包括两个组件：数据准备和深度学习模型。在数据准备阶段，使用滑动窗口查看图像的多个分辨率子部分。为此，研究人员使用了斯基纳实验室过去表观遗传学研究中的图像。这些图像包含大鼠和小鼠肾脏、睾丸和卵巢组织中的疾病迹象。为了向AI提供更多输入，研究人员还提供了更多千兆像素图像，包括乳腺癌和淋巴结转移图像。在测试过程中，研究人员发现新AI模型比以前的系统更高效、更准确。有趣的是，它甚至识别出了训练有素的人类遗漏的病理情况。
(全文结束)
