在显微镜下，病理学家检查活检的组织样本，这些组织样本已被特殊染料染色，以增强对比度和颜色。最常用的染色剂是苏木精-伊红染色剂。然而，在许多临床病例中，需要额外的特殊染色来为不同的组织成分提供额外的对比和颜色。这使得病理学家可以得到更清晰的诊断图像。这些特殊的染色剂通常需要较长的组织准备时间，以及额外的努力和专家组织技术专家的监测，所有这些都增加了疾病诊断的成本和时间。

为了以指数速度加速这一过程，加州大学洛杉矶分校的研究人员开发了一种由人工智能驱动的计算技术，它可以将先前用he和e染色的组织图像转换为添加特殊染色剂的新图像。每个组织样本的处理过程不到一分钟，而人类专家的处理过程需要几个小时甚至一天以上。这种速度差速器能够更快地进行需要特殊染色剂的初步诊断，同时还能显著节省成本。自然通讯最近发表了一项研究，概述了这项新技术及其影响。

“我们开发了一种基于深度学习的技术，无需组织技术专家进行特殊染色，”研究负责人Aydogan Ozcan说，加州大学洛杉矶分校萨缪埃利工程学院电气与计算机工程系工程创新Volgenau教授，加州纳米系统研究所(CNSI)副主任。“在诊断器官移植排斥反应等疾病时，提高速度和准确性尤为重要，因为快速准确的诊断有助于快速治疗，从而可能大大改善临床结果。”

Ozcan的团队展示了基于人工智能的技术，通过生成用于肾脏组织的全套特殊染色剂——周期性酸-希夫(pAS)、琼斯银染色剂和马森三色染色剂。利用专门的深度神经网络训练现有的h & e染色组织活检图像，研究人员能够在各种临床样本上虚拟地生成这些特殊的染色，覆盖了广泛的肾脏疾病。一个由多机构认证的肾脏病理学家组成的团队随后进行了一项临床评估，以确定虚拟染色-染色转化技术的有效性。他们发现，使用虚拟生成的特殊染色剂比仅使用活组织检查的h & e染色图像在统计上有显著改善。另一项研究还表明，虚拟重染图像的质量在统计上与人类专家用特殊染色处理的图像相当。

此外，由于该技术应用于现有的h & e染色图像，研究人员强调，该技术易于采用，因为它不需要改变目前病理实验室使用的组织处理流程。

除了在生物工程系担任教职的Ozcan，研究团队还包括W. Dean Wallace，南加州大学凯克医学院的病理学教授;加州大学洛杉矶分校(UCLA)电子与计算机工程副教授亚伊尔·瑞文森(Yair Rivenson);以及加州大学洛杉矶分校Samueli研究生Kevin de Haan、Yijie Zhang和Tairan Liu。这种虚拟重染方法的临床验证是由加州大学洛杉矶分校大卫格芬医学院病理和实验室医学系的Jonathan Zuckerman博士建议的。

Journal Reference:

Kevin de Haan, Yijie Zhang, Jonathan E. Zuckerman, Tairan Liu, Anthony E. Sisk, Miguel F. p. Diaz, Kuang-Yu Jen, Alexander Nobori, Sofia Liou, Sarah Zhang, Rana Riahi, Yair Rivenson, W. Dean Wallace, Aydogan Ozcan. Deep learning-based transformation of H&E stained tissues into special stains. Nature Communications, 2021; 12 (1) DOI: 10.1038/s41467-021-25221-2