新生儿出生后，医生有时会检查胎盘的特征，以确定将来怀孕时的健康风险。不幸的是，这是一个耗时的过程，必须由专家进行，所以大多数胎盘在出生后都没有经过检查。卡内基梅隆大学（CMU）和匹兹堡大学医学中心（UPMC）的一个研究小组在《美国病理学杂志》上报告了一种机器学习方法来检查胎盘切片，这样就可以让更多的妇女了解到她们的健康风险。

  检查胎盘可以预测母亲有患先兆子痫的风险

  检查胎盘的一个原因是寻找一种叫做蜕膜血管病（DV）的血管病变。这表明母亲有患先兆子痫的风险，这种并发症在将来的任何怀孕中都可能对母亲和婴儿致命。一旦发现，子痫前期就可以得到治疗，因此在症状出现之前识别高危母亲有很大的益处。然而，尽管在一张幻灯片中有数百条血管，但仅需一条病变血管即可显示风险。

  利用人工智能算法帮助提高胎盘检查的处理速度

  美国宾夕法尼亚州匹兹堡市CMU机械工程系博士丹尼尔·克莱默（Daniel Clymer）说：“病理学家经过多年的训练，能够在这些图像中发现疾病，但医院系统中有太多的孕妇，他们没有时间检查每一个胎盘。我们的算法帮助病理学家通过扫描图像、定位血管以及找到识别DV的血管模式来知道他们应该关注哪些图像。”

  机器学习通过“训练”计算机来识别数据文件中的某些特征。在本例中，数据文件是胎盘样本的薄片图像。研究人员向电脑显示各种图像，并显示胎盘是否有病或健康。经过充分的训练，计算机能够自行识别病变。

  对于计算机来说，简单地查看一幅大图片并对其进行分类是相当困难的，因此研究小组引入了一种新的方法，通过这种方法，计算机可以遵循一系列步骤，使任务更易于管理。首先，计算机检测图像中的所有血管。每一条血管都可以被单独考虑，产生更小的数据包用于分析。然后，计算机将访问每一条血管，并确定它是否应该被视为有病或健康。在这一阶段，算法还考虑了怀孕的特征，如胎龄、出生体重和母亲可能有的任何情况。如果有血管病变，那么图像和胎盘就被标记为有病。UPMC小组提供去识别的胎盘图像来训练算法。

  “这种算法短期内不会取代病理学家，”克莱默博士解释道，“这里的目标是，这种算法可能能够通过标记病理学家应该仔细观察的图像区域来帮助加快处理速度。”

  人工智能在医疗领域的未来前景

  美国宾夕法尼亚州匹兹堡市CMU机械工程教授乔纳森·拉甘（Jonathan Cagan）博士和菲利普·莱杜克（Philip LeDuc）博士补充说：“这是工程学和医学之间的一次美好的合作，因为每一项都能将专业知识带到桌面上，结合在一起，创造出可以帮助许多人的新发现。”

  作者之一、前病理信息学副主席、MBBCh的利伦·潘塔诺维茨（Liron Pantanowitz）指出：“随着医疗保健越来越接受人工智能的作用，医生尽早与计算机科学家和工程师合作是很重要的，这样我们就可以为这项工作设计和开发正确的工具，从而对患者的结果产生积极的影响。在美国宾夕法尼亚州匹兹堡的CMU和UPMC之间的这种合作关系是一个很好的例子，说明了在这种情况下可以实现什么。”

还有疑问吗？请留下您的问题，15分钟内回答您！