预测胎盘：使用人工智能来保护母亲的未来怀孕

一个婴儿出生后，医生有时会检查胎盘 - 将母亲与婴儿联系起来的器官 - 对于在任何未来怀孕中表明健康风险的功能。不幸的是，这是一个耗时的过程，必须由专家执行，因此大多数胎盘在出生后未审视。来自卡内基梅隆大学（CMU）和匹兹堡大学医疗中心（UPMC）的一支研究人员报告了一种机器学习方法来检查胎盘幻灯片美国病理学杂志，更多的女性可以了解他们的健康风险。

检查胎盘的一个原因是寻找一种类型的血血管称为蜕膜血管病变(DV)的病变。这些迹象表明，在未来的任何妊娠中，母亲都有患子痫前期的风险——这是一种对母亲和婴儿都可能致命的并发症。一旦发现，先兆子痫可以得到治疗，因此在症状出现之前识别出有风险的母亲有相当大的好处。然而，尽管有成百上千血管在单个幻灯片中，只需要一个患病船来表明风险。

“病理学家要经过多年的训练才能在这些图像中发现疾病，但是医院系统中有这么多的孕妇，他们没有时间检查每个胎盘，”Daniel Clymer博士说，他是CMU机械工程系校友，位于美国宾夕法尼亚州匹兹堡市。“我们的算法帮助病理学家通过扫描图像，定位血管，找到识别DV的血管模式，从而知道他们应该关注哪些图像。”

机器学习的工作原理是“训练”电脑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薄片的图像。研究人员向电脑显示各种图像，以显示胎盘是患病还是健康。经过充分的训练，计算机能够自己识别病变。

对于计算机来说，仅仅看一幅大图并对其进行分类是相当困难的，因此该团队引入了一种新颖的方法，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。然后可以单独考虑每一条血管，从而创建更小的数据包进行分析。然后，计算机将访问每一条血管，并确定它应被视为有病或健康。在这一阶段，算法还会考虑怀孕的特征，如孕龄、出生体重和母亲可能有的任何状况。如果有任何病变的血管，那么图像——也就是胎盘——就被标记为病变。UPMC团队提供了去识别胎盘用于训练算法的图像。

“这种算法很快就不会随时替换病理学家，”克莱默博士解释说。“这里的目标是这种类型的算法可能能够通过标记病理学家应该仔细研究的图像的区域来帮助加速过程。”

“这是工程和医学之间的美好合作，因为每个都将专业知识带到桌面，当结合时，创造了可以帮助这么多个人的新发现，”加入铅调查人员乔纳森卡坎，博士和菲利普莱克，pH。D., professors of mechanical engineering at CMU, Pittsburgh, PA, U.S.

“随着医疗保健越来越多地拥抱人工智能的角色，重要的是医生伴随着计算机科学家和工程师，我们可以设计和开发工作的正确工具，以积极影响患者结果，”联合作者Liron Pantanowitz, MBBCh, formerly vice chair for pathology informatics at UPMC, Pittsburgh, PA, U.S.. "This partnership between CMU and UPMC is a perfect example of what can be accomplished when this happens."

---

---