楼主 除了换心，他们别无选择
2022开年不久
人类医学迎来重大突破
1月上旬
全球首例
人类成功移植猪心脏的手术
在美国马里兰大学医学院完成
术后48小时内,患者并未发生任何险情,假如未来一段时间猪心脏仍维持常工作,这次手术将成为种器官移植里程。
心脏移植作为官移植的重要组成分,目前已成为终末期心脏 病患者的佳治疗手段。然供体短缺严重限了器官移植术的量开,根据世界卫生组织数据,每年全球只有不到10%器官移植需求能得到满足。
鉴此,医学界将目光转到异种器官移植领,但异问题是巨障碍,此番里兰学医学院成功进行移植的心脏就来自经基因编辑的猪,以大程降低异反应。
长远来,异种移植应用前广阔,但目还有少障碍需要服。撇开任道远异种官移植,我们把目转到人类心脏移植上,脏短缺一方问题,但实际上即有了脏源,接下来移植是一关卡。
不完美的移植前判断
官排斥是心脏移植大的险之,受体的免疫系统对供体官中外来抗原起应并且错误地攻击它,严时可成致命后果。
来自美国国家生技术息中心的数据显示,接受心脏移植的患中,约10%的人在术后三年死于移植排斥反应。
为确保宝的脏不被浪费,尽可能降低排斥反应发生,手术之前心脏 病理学家将对受心脏进行心膜心活检,以评估供体心脏是否会在者身上起作。
他们在显微镜下观察受体心脏,某些情况——例如聚集大量淋巴细胞,表示存在有害炎症,由此很可能出现一直排斥反应。检查活组织时,心脏 病理学家会按0-4的等级进行打分,0表示不存在器官排斥机会,而4代表更高排斥险。
但这种心肌活检评方式存在一严重问题:致性。
位病理学家给某个活检打0分,而其他人可能会打出更高分数。当研究人员要求深的病理学对收集的活检集合进行排审查时,他们仅在62.6%的况下达成一致——这意味如果你向5病理学家询问一张图像,5个人里会有2个人存在分歧。
难说人类在测心脏移植斥反应方面有多准确,因为他们直接测结,只对幻灯片进行分,但没有共识确是个严重问题。
那么技术是否够克服人类存在的歧,帮助建立更好共识呢?
人工智克服病理学歧
常,预测心脏移植结果时,病理学家主要关注细胞密度,而更擅长捕捉空间排列特征机器则提供一个视角。
自2018年开始,凯斯西储学Donnell研究所生物医学工程教授阿南特?马达布什,就和他团队从美国大移植中心(宾夕法尼亚学医院、克利夫兰学医院医学心和俄亥俄州立大学韦克斯纳医学中心)采集2000多张接受心脏移植患者活检图像用心脏移植预研究。
该团队使用机器学习识别每张图像中的心肌细胞和淋巴细胞,他们开发了一种可以在空间上识别这些不同类型细胞位置的算法。
在已知部分图像的患者最终是否经历了心脏排斥反应前提下,研究人员可以利用这些信息确细胞空间列对测心脏移植成功的影响程。
团队将他们算法与病理学家的数据相结合时,一致性提高到了大约66%的水平!这意味着人类在62%时间里同意其他人,而在66%时间里同意机器的估。
尽管这种增加“可看起来不多”,但医学上却是显著的,特别从患的角考虑时——拥有更可靠的息将有助于善健康结果。哪怕只是挽救了少数患者生命,也是得的。
机提供第二意见为心脏移植带来了更多信心——如果病理学家和机器都打出分,即表明某人会历排斥的可性更。相如果 机器和人类存在不致,则可能需要引另一独立专家提额外意见。
马达布什教授表示,在中期内,该机学习型可作为心脏 病理学的决策支持工具,升预心脏移植结的准确性。
未来,该团队希望扩展研究并预患者长期表现,即不仅他们否会接受或拒绝捐赠的心脏,还括他们是否会保持健康以及持续长时。
技本是为人类服务,如上所述,先进人工能技术与医疗科学结合改善人类生存质,这所有技工作者喜闻乐见事。
如今人工智在工业、医疗、金融、互网等个行业创造出多种应用场,随机器学习模型参数从千万级别到亿级别甚至亿级别发展,算力成为制约人工能发的重要因素,为了足海数据训练需求,高性能算力的支持必不可少。
戴尔技集团发布面向数据中心高性AI计算的优化服务器PowerEdge XE8545,架构计简洁且高效,4U空间支持4块NVIDIA A100 SXM4 80GB/40GB GPU加速,CPU、GPU、IO之间尽直连,可充保障数据通及IO传输性能,高性算力力AI在各行业快速地。
“要么移植,要么死!”这是很多终末期器官衰竭患者面临的局面,鉴于目前可用器官的稀缺现状,供体与最有可能在移植后存活的人相匹配十分重要。除了改善心脏移植结果,未来随着AI在生命科学领域的参与向纵深推进,将有更多人从中受。
