近(26)日，加州大學洛杉磯分校(UCLA)研發了一種建構於人工智慧的演算技術，可將組織切片H&E染色影像，在一分鐘內，轉換成特殊染色的切片影像，且準確度與人工染色一致，可大幅降低人工進行特殊染色的時間、成本，並加速診斷。該研究結果發表在《Nature Communications》。

領導該研究的UCLA加州奈米系統研究所(CNSI)副主任 Aydogan Ozcan指出，在診斷器官移植排斥病例等醫療情況，提高速度和準確性至關重要，而這方法有助快速診斷，讓患者即早獲得治療，從而大大改善臨床療效。

研究團隊利用該技術，生成用於腎臟組織的全套特殊染色，包括PAS染色(Periodic Acid-Schiff)、Jones氏鍍銀染色(Jones silver stain)和馬森三色染色法(Masson's Trichrome)。

研究人員利用現有的H&E染色組織活檢(tissue biopsies)，來訓練深度神經網絡(deep neural networks,DNN)，讓研究人員能夠在各種臨床組織樣本上進行虛擬染色，產生涵蓋多種腎臟疾病的特殊染色切片影像。

接著由多位腎臟病理學家針對H&E染色影像和虛擬染色影像進行臨床評估，以確定轉化成虛擬染色的效果。研究人員發現，與僅使用H&E 染色的活檢成像相比，使用虛擬生成的特殊染色，可顯著改善病理學家對切片所下的診斷。

該研究也強調，由於該技術應用於現有的H&E染色成像，因此無需改變目前在病理實驗室使用的組織處理流程，所以易於應用。

另一項研究顯示，虛擬重新染色成像的品質，與人類專家用特殊染色處理的成像，其品質幾乎等同，在統計學上無顯著差異。

資料來源：https://www.sciencedaily.com/releases/2021/08/210826170211.htm
（編譯/劉端雅）