手機(jī)版
化工儀器網(wǎng)手機(jī)版
化工儀器網(wǎng)小程序
官方微信
公眾號(hào)：chem17
掃碼關(guān)注視頻號(hào)
麥克奧迪EasyScan掃描儀助力全球頂級(jí)癌癥中心突破卵巢癌多模態(tài)診斷壁壘
全球頂級(jí)癌癥中心MSK（美國紐約紀(jì)念斯隆-凱特琳癌癥中心）在頂級(jí)期刊《Nature Cancer》發(fā)表重磅研究，一項(xiàng)針對(duì)444例高級(jí)別漿液性卵巢癌患者的多模態(tài)機(jī)器學(xué)習(xí)模型，成功將病理生存預(yù)測(cè)準(zhǔn)確率提升至62%。而這項(xiàng)突破性研究成果，離不開麥克奧迪EasyScan數(shù)字切片掃描儀生成的高精度全切片圖像（WSI）發(fā)揮的重要作用。
（圖片來源：參考資料[1]）
MSK研究團(tuán)隊(duì)在其論文中明確指出傳統(tǒng)診斷面臨的瓶頸：空間信息缺失，基因組測(cè)序無法捕捉腫瘤空間異質(zhì)性；動(dòng)態(tài)監(jiān)測(cè)困難，治療響應(yīng)評(píng)估依賴主觀病理評(píng)估，缺乏量化標(biāo)準(zhǔn)；多學(xué)科協(xié)作滯后：臨床、影像、病理數(shù)據(jù)割裂。針對(duì)這些痛點(diǎn)，MSK研究團(tuán)隊(duì)的破局之道，即采用Motic EasyScan掃描儀，實(shí)現(xiàn)數(shù)字化底座驅(qū)動(dòng)多模態(tài)融合。
1.高保真數(shù)字切片：AI模型的“黃金標(biāo)準(zhǔn)”
研究機(jī)構(gòu)使用Motic EasyScan掃描243例患者H&E染色切片（40倍分辨率），生成超140萬張（128×128像素）高保真數(shù)字化組織切塊，訓(xùn)練出準(zhǔn)確率88%的AI組織分類器。發(fā)現(xiàn)了腫瘤核平均面積成為獨(dú)立預(yù)后因子，僅憑人眼難以量化。
2.打破數(shù)據(jù)孤島：構(gòu)建多模態(tài)診斷引擎
[CT影像特征]+[基因組數(shù)據(jù)]+[EasyScan數(shù)字病理特征]→生存預(yù)測(cè)模型
融合組學(xué)特征與從EasyScan掃描圖像中提取的216項(xiàng)病理特征，其模型顯著提升風(fēng)險(xiǎn)分層能力。
3.臨床實(shí)踐的價(jià)值閉環(huán)
①診斷效率提升：數(shù)字切片的高保真和秒級(jí)共享，支持跨國專家實(shí)時(shí)會(huì)診。
②科研成果轉(zhuǎn)化：依托高精度的掃描和存儲(chǔ)，建立卵巢癌數(shù)字樣本庫（覆蓋444例患者）。
③科研成本控制：數(shù)字影像替代物理切片存儲(chǔ)，降低存儲(chǔ)空間與管理成本。
Motic EasyScan技術(shù)優(yōu)勢(shì)與應(yīng)用價(jià)值
1.精準(zhǔn)性：Motic EasyScan掃描儀采用掃描過程中實(shí)時(shí)聚焦的技術(shù)，使得掃描的圖像清晰度高，色彩還原度強(qiáng)，能滿足AI模型對(duì)圖像質(zhì)量的嚴(yán)苛要求。
2.兼容性：無縫對(duì)接MSK Slide Viewer及PyRadiomics分析平臺(tái)。支持DICOM標(biāo)準(zhǔn)，與CT/MRI數(shù)據(jù)協(xié)同整合。
3.穩(wěn)定性：依據(jù)MSK運(yùn)維報(bào)告顯示，該機(jī)構(gòu)日均使用EasyScan掃描50多張切片，其切片重掃率<0.5%。
MSK病理學(xué)家在其論文中指出，他們通過使用數(shù)字切片重構(gòu)了從孤立診斷到動(dòng)態(tài)決策的工作流。MSK作為全球頂級(jí)癌癥研究與治療中心，選擇MoticEasyScan作為其病理數(shù)字化轉(zhuǎn)型的核心引擎，其意義遠(yuǎn)超單一設(shè)備的采購策略，是對(duì)Motic EasyScan產(chǎn)品技術(shù)實(shí)力、穩(wěn)定性及滿足臨床科研圖像要求方面的高度肯定。此次EasyScan在MSK的成功應(yīng)用，也為全球醫(yī)院、大型實(shí)驗(yàn)室、研究機(jī)構(gòu)和醫(yī)學(xué)院校提供了可復(fù)制的數(shù)字化病理升級(jí)范本。
不同通量的麥克奧迪EasyScan掃描儀系列產(chǎn)品
參考資料：
[1]Kevin M. Boehm et al., Multimodal data integration using machine learning improves risk stratification of high-grade serous ovarian cancer. Nature Cancer (2022).
相關(guān)產(chǎn)品
免責(zé)聲明
- 凡本網(wǎng)注明“來源：化工儀器網(wǎng)”的所有作品，均為浙江興旺寶明通網(wǎng)絡(luò)有限公司-化工儀器網(wǎng)合法擁有版權(quán)或有權(quán)使用的作品，未經(jīng)本網(wǎng)授權(quán)不得轉(zhuǎn)載、摘編或利用其它方式使用上述作品。已經(jīng)本網(wǎng)授權(quán)使用作品的，應(yīng)在授權(quán)范圍內(nèi)使用，并注明“來源：化工儀器網(wǎng)”。違反上述聲明者，本網(wǎng)將追究其相關(guān)法律責(zé)任。
- 本網(wǎng)轉(zhuǎn)載并注明自其他來源（非化工儀器網(wǎng)）的作品，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點(diǎn)和對(duì)其真實(shí)性負(fù)責(zé)，不承擔(dān)此類作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。其他媒體、網(wǎng)站或個(gè)人從本網(wǎng)轉(zhuǎn)載時(shí)，必須保留本網(wǎng)注明的作品第一來源，并自負(fù)版權(quán)等法律責(zé)任。
- 如涉及作品內(nèi)容、版權(quán)等問題，請(qǐng)?jiān)谧髌钒l(fā)表之日起一周內(nèi)與本網(wǎng)聯(lián)系，否則視為放棄相關(guān)權(quán)利。
采購中心