在对来自大约 40 名活检肾脏患者的大约 4,000 张幻灯片图像进行深度神经网络训练后，加州大学洛杉矶分校的工程师实际上已经对组织图像进行了重新染色，以实现比人类组织技术专家支持的更快的高精度诊断。

周转时间尤其令人印象深刻，因为人工智能在几秒钟内完成了一项通常需要数小时甚至数天的任务，而且因为在肾移植排斥等依赖实验室的关键程序中，分钟很重要。

更重要的是，在临床实践中，高效率将转化为可观的节省。

Nature Communications发表的一项研究描述了这项工作。

资深作者 Aydogan Ozcan 博士及其同事专注于从最常见的染色剂苏木精和伊红 (H&E) 产生的图像数据中虚拟化专门的染色剂，因为 H&E 用于大多数组织染色程序。

他们使用无标签自发荧光组织图像来创建完美配准的训练图像。

作者解释说，该过程“同时生成了 H&E 和特殊染色图像，并在我们训练数据集的每个虚拟染色图像对的局部坐标中进行了纳米级匹配”。

他们指出，由此产生的技术高度可推广到其他“污点到污点”图像转换。

“例如，可以使用所提出的方法进行从特殊染色剂到 H&E 或从免疫荧光到 H&E 或特殊染色剂的转化，”Ozcan 和合著者写道。“我们的方法使病理学家可以看到不同的组织成分，而无需等待额外的载玻片被特殊染色剂染色，我们证明它对多种肾脏疾病的临床诊断是有效的。”

此外，只要设备具有两个 GPU，他们的创新技术就可以在消费级台式计算机上执行。作者评论说，通过这种简单的计算设置，人工智能可以在几秒钟内呈现诊断质量的重新染色，“节省劳动力、时间 [和] 化学品，并且可以显着使患者和医疗保健系统受益”。

在加州大学洛杉矶分校对开发的内部报道中，Ozcan 强调了该技术的潜力，可以消除组织技术人员对特殊染色的需要。

他建议，人工智能增强技术的速度和准确性的提高最终可能使其成为病理学家快速准确的诊断可以立即进行挽救生命的治疗的标准步骤。