计算病理专题报告

人工智能和数字病理技术的协同作用将推动计算病理(Computational Pathology)成为实现精准医学潜力的关键。2017年4月美国FDA批准将景载玻片扫描仪可以代替传统的显微镜用作主要的诊断设备，这为计算病理的研究和临床应用翻开了新的一页，也为计算病理科学家带来了令人兴奋的机会和挑战。更为有价值是，计算病理的使用未来将成为临床决策的一部分，计算病理的工具已经能够用于帮助病理医生提高效率的同时，减少病理医生诊断过程中医生自身和不同医生之间的差异。新一代计算病理技术的发展可能会创建基于图像的伴随诊断分析的工具，并在不久的将来能够辅助医生实现更准确的疾病诊断、预测、预后和最佳的临床护理。同时通过计算病理开辟的生物医学研究机会也是非常诱人的。计算病理提供了一种对生物样本在细胞与组织水平上进行定量特征测定的方法，从而能够与组学数据进行关联分析，生成新的生物假设，对疾病发生和发展的分子机制与细胞行为进行深入研究。MICS在线学术讲座推出的《计算病理专题》系列报告，将探讨这些新技术及其在精准医学中的潜在应用。

本次报告摘要

癌症的发生与发展是一个复杂的生物学过程，研究这个过程需要对从分子到细胞，组织，器官，直至临床各个层面上的数据进行收集和分析。在精准医学的发展中，寻找可以对癌症预后，分型和药物疗效进行准确的预测的生物标志物，可以帮助临床医生选择正确的治疗策略。这些研究和临床方面的需求都要求我们能够在各个生物层面上进行定量测量并对多模态数据进行整合分析。通过有效地整合分子和临床数据我们可以提高对患者结果预测的准确性也可以生成新的生物学假设指导深入的病理机制的研究。我将介绍基于计算病理图像分析对癌症细胞与组织形态定量特征提取的一些方法以及将这些特征与多种类型的分子组学数据整合分析的一些近期工作。这些方法已经应用于多种类型的癌症的研究，并产生了有关癌症的分子基础和肿瘤组织形态的新假设。这些研究工作需要理工医等多方面的合作，我也会分享一些这方面的经验。

嘉宾简介

黄昆 教授，1991年进入清华大学学习于1996年获生物学理学士与电子计算机工学士双学位。本科毕业后赴美国伊利诺伊大学香槟校区(UIUC)学习。先后获得生理学硕士，电子工程硕士，数学硕士学位，并于2004年获得电子与计算机工程学博士学位，研究方向为计算机视觉与机器学习。同年加入俄亥俄州立大学医学院生物医学信息学系任教，2010年获评终身教职，并先后担任综合癌症中心生物信息共享资源主任，计算生物学与生物信息学部主任，医学院副院长等职务。2017年加入印第安纳大学医学院参与领导精准健康计划，担任数据科学与信息学主任，同时任基因组数据科学讲席教授，医学院主管数据科学副院长，印第安纳大学Simon综合癌症中心副主任。其主要研究方向包括生物信息学，医学图像分析，医疗大数据，机器学习及其在癌症研究及神经科学等方面的应用。发表研究论文200余篇。2018年当选美国医学与生物工程学院(AIMBE)会士。

特别感谢本次Webinar主要组织者：

MICS Webinar责任委员：徐军（南京信息工程大学）