新生兒出生后，醫(yī)生有時會檢查胎盤的特征，以確定將來懷孕時的健康風險。不幸的是，這是一個耗時的過程，必須由專家進行，所以大多數(shù)胎盤在出生后都沒有經(jīng)過檢查?？▋?nèi)基梅隆大學（CMU）和匹茲堡大學醫(yī)學中心（UPMC）的一個研究小組在《美國病理學雜志》上報告了一種機器學習方法來檢查胎盤切片，這樣就可以讓更多的婦女了解到她們的健康風險。

  檢查胎盤可以預測母親有患先兆子癇的風險

  檢查胎盤的一個原因是尋找一種叫做蛻膜血管?。―V）的血管病變。這表明母親有患先兆子癇的風險，這種并發(fā)癥在將來的任何懷孕中都可能對母親和嬰兒致命。一旦發(fā)現(xiàn)，子癇前期就可以得到治療，因此在癥狀出現(xiàn)之前識別高危母親有很大的益處。然而，盡管在一張幻燈片中有數(shù)百條血管，但僅需一條病變血管即可顯示風險。

  利用人工智能算法幫助提高胎盤檢查的處理速度

  美國賓夕法尼亞州匹茲堡市CMU機械工程系博士丹尼爾·克萊默（Daniel Clymer）說：“病理學家經(jīng)過多年的訓練，能夠在這些圖像中發(fā)現(xiàn)疾病，但醫(yī)院系統(tǒng)中有太多的孕婦，他們沒有時間檢查每一個胎盤。我們的算法幫助病理學家通過掃描圖像、定位血管以及找到識別DV的血管模式來知道他們應該關(guān)注哪些圖像。”

  機器學習通過“訓練”計算機來識別數(shù)據(jù)文件中的某些特征。在本例中，數(shù)據(jù)文件是胎盤樣本的薄片圖像。研究人員向電腦顯示各種圖像，并顯示胎盤是否有病或健康。經(jīng)過充分的訓練，計算機能夠自行識別病變。

  對于計算機來說，簡單地查看一幅大圖片并對其進行分類是相當困難的，因此研究小組引入了一種新的方法，通過這種方法，計算機可以遵循一系列步驟，使任務更易于管理。首先，計算機檢測圖像中的所有血管。每一條血管都可以被單獨考慮，產(chǎn)生更小的數(shù)據(jù)包用于分析。然后，計算機將訪問每一條血管，并確定它是否應該被視為有病或健康。在這一階段，算法還考慮了懷孕的特征，如胎齡、出生體重和母親可能有的任何情況。如果有血管病變，那么圖像和胎盤就被標記為有病。UPMC小組提供去識別的胎盤圖像來訓練算法。

  “這種算法短期內(nèi)不會取代病理學家，”克萊默博士解釋道，“這里的目標是，這種算法可能能夠通過標記病理學家應該仔細觀察的圖像區(qū)域來幫助加快處理速度。”

  人工智能在醫(yī)療領(lǐng)域的未來前景

  美國賓夕法尼亞州匹茲堡市CMU機械工程教授喬納森·拉甘（Jonathan Cagan）博士和菲利普·萊杜克（Philip LeDuc）博士補充說：“這是工程學和醫(yī)學之間的一次美好的合作，因為每一項都能將專業(yè)知識帶到桌面上，結(jié)合在一起，創(chuàng)造出可以幫助許多人的新發(fā)現(xiàn)。”

  作者之一、前病理信息學副主席、MBBCh的利倫·潘塔諾維茨（Liron Pantanowitz）指出：“隨著醫(yī)療保健越來越接受人工智能的作用，醫(yī)生盡早與計算機科學家和工程師合作是很重要的，這樣我們就可以為這項工作設計和開發(fā)正確的工具，從而對患者的結(jié)果產(chǎn)生積極的影響。在美國賓夕法尼亞州匹茲堡的CMU和UPMC之間的這種合作關(guān)系是一個很好的例子，說明了在這種情況下可以實現(xiàn)什么。”

還有疑問嗎？請留下您的問題，15分鐘內(nèi)回答您！