本网讯 近日，基础医学院医工交叉团队在国际著名期刊Nature Communications（IF=14.919）上发表“Accurate recognition of colorectal cancer with semi-supervised deep learning on pathological images”的研究性论文。基础医学院生物医学工程系喻罡副教授为第一作者，基础医学院病理学系/湘雅医院病理科王宽松教授、基础医学院系统生物与数据信息研究中心和生殖健康研究中心肖红梅教授为通讯作者。孟祥鹤博士后、美国University of Oklahoma Health Sciences Center徐超教授、生物医学工程系硕士生孙凯、谢婷、电子信息系本科生孟润琪为主要参与和贡献作者。

当前的病理人工智能主要基于有监督学习，然而有监督学习依赖于海量的标注数据，这严重制约了人工智能系统的开发和落地。针对当前病理人工智能遇到的瓶颈问题，该团队首次应用半监督学习方法建立了专家级的肠癌识别模型，对来自13个独立医学中心的8803个病人的13111张肠道组织样本的病理全片图像，进行了广泛的评估和测试。

技术路线图

实验证明，当少量标注图像时，半监督学习的肠癌模型明显优于相同标注数量的有监督学习模型。采用10%标注数据训练的半监督模型，与海量数据训练的有监督模型无显著性差异。在15,000肺癌和294,912淋巴瘤的扩展实验中，进一步证实半监督模型能够取得和海量标注数据训练的有监督模型的相似性能。通过多中心研究，证实半监督学习可以实现专家级的病理人工智能系统。由于半监督学习降低了对标注数据的依赖，因此在高效构建病理人工智能系统的实践中，具有极大的潜力和应用前景。

据悉，该团队从2018年起开展病理人工智能的研究，曾在BMC Medicine（IF=8.775）上发布了目前已知最为精确的多中心的肠癌病理图像识别算法。本成果在此基础上，探索了更为高效的建立癌症病理图像的识别算法。目前，围绕癌症新亚型预测，超分辨病理图像生成等病理人工智能的前沿问题，该团队正在与中南大学计算机学院王建新教授团队等合作积极探索。