当患者接受外科手术以去除肿瘤或治疗疾病时，手术过程通常不是预先确定的。为了决定需要切除多少组织，外科医生必须更多地了解他们正在治疗的情况，包括肿瘤的边缘、阶段以及病变是恶性还是良性——这些决定通常取决于收集、分析和诊断疾病当病人在手术台上时。

当外科医生将样本发送给病理学家进行检查时，速度和准确性都至关重要。目前用于检查组织的黄金标准方法通常需要太长时间，而更快的方法(涉及冷冻组织)可能会引入使诊断复杂化的伪影。

布莱根妇女医院 Mahmood 实验室的研究人员(麻省总医院布里格姆医疗保健系统的创始成员)和 Bogazici 大学的合作者开展的一项新研究开发了一种更好的方法;该方法利用人工智能在冷冻切片和黄金标准方法之间进行转换，提高图像质量以提高快速诊断的准确性。研究结果发表在《自然生物医学工程》上。

“我们正在利用人工智能的力量来解决外科和病理学交叉领域的一个古老问题，”BWH 计算病理学部的通讯作者 Faisal Mahmood 博士说。“从冷冻组织样本中进行快速诊断具有挑战性，需要专门培训，但这种诊断是手术期间护理患者的关键步骤。”

为了进行最终诊断，病理学家使用福尔马林固定和石蜡包埋 (FFPE)组织样本——这种方法以产生高质量图像的方式保存组织，但这个过程很费力，通常需要 12 到 48 小时。为了快速诊断，病理学家使用一种称为冷冻切片的方法，该方法涉及快速冷冻组织、切割切片并在显微镜下观察这些薄片。冷冻切片需要几分钟而不是几小时，但会扭曲细胞细节并破坏或撕裂脆弱的组织。

Mahmood 和合著者开发了一种深度学习模型，可用于在冷冻切片和更常用的 FFPE组织之间进行转换。在他们的论文中，该团队证明该方法可用于对不同类型的癌症进行亚型分类，包括神经胶质瘤和非小细胞肺癌。

该团队通过招募病理学家进行读者研究来验证他们的发现，在该研究中，他们被要求根据经过 AI 方法的图像和传统冷冻切片图像进行诊断。人工智能方法不仅提高了图像质量，还提高了专家的诊断准确性。该算法还在土耳其独立收集的数据上进行了测试。