两家公司的研究人员表示，他们已经开发出了一个人工智能平台，旨在帮助使用图像对肺癌亚型进行分类的病理学家。
NantHealth和NantOmics表示，他们已经开发了一种基于人工智能的机器学习数字病理软件，病理学家可以使用该软件从完整的幻灯片图像中识别出浸润肿瘤的杀伤细胞，称为淋巴细胞。
两家公司表示，初步测试的结果证明了识别肺癌中肿瘤浸润淋巴细胞(TIL)的新颖AI方法。
在最近的美国癌症研究协会和国际肺癌研究协会国际联合会议上，研究人员分享了该技术的初步报告。研究得出的结论是，尽管总体肿瘤突变负担和淋巴细胞水平较低，但仍有一部分肺癌的浸润淋巴细胞计数很高。
研究人员说，发现很重要，因为它证明了可以使用技术对患者进行个性化治疗的方法。他们补充说，加入AI可以加快流程并改善患者结果。
帕特里克说：“在这种个性化医学时代，准确识别和定量浸润肿瘤的白细胞对于预后和治疗决策极为重要，但目前需要经过医学培训的病理学家对整个玻片图像进行人工检查，并且会产生重大的延误和费用，” NantHealth董事长兼首席执行官，医学博士Soon-Shiong。“我们的目标是开发可扩展的基于云的远程诊断成像系统。为实现这一目标，对肿瘤组织数字传输图像的机器视觉将有助于基于云的可扩展基础架构，并具有基于图像补丁的自动系统，可根据癌症的免疫状态对癌症进行分类。”
该技术的使用可以实现高度精确的肿瘤区域和淋巴细胞检测，这也许可以使肿瘤学家利用这些信息更好地治疗患者，使其癌症类型最合适。
该系统在876个亚型NSCLC千兆像素分辨率诊断全幻灯片图像上进行了培训和测试，这些图像来自805个从The Cancer Genome Atlas来源获得的患者。将样本随机分为几组进行训练(来自664位患者的711张完整幻灯片图像)和测试(来自141位患者的165张完整幻灯片图像)。
研究结果表明，NantOmics和NantHealth的全自动组织病理学亚型AI方法优于文献中报道的用于诊断整个幻灯片图像的其他算法。该系统还可以在整个幻灯片图像中生成(肿瘤)感兴趣区域的地图，从而提供有关肿瘤组织的新颖空间信息。
