为了进行医学诊断，病理学家对组织化学染色的组织活检切片进行目测检查。苏木精和伊红(H&E)染色是病理中最常用的组织化学染色，覆盖了全球大多数的人类组织活检染色。然而，在许多临床病例中，需要额外的“特殊染色剂”来对不同的组织成分进行对比和染色，使病理学家能够得到更清晰的诊断图像。这些特殊的染色剂通常需要更长的组织准备时间，以及繁重的工作和专业组织技术专家的监测，所有这些都增加了诊断的成本和时间。
加州大学洛杉矶分校(UCLA)的研究人员开发了一种基于深度学习的技术，通过计算将现有的he & e染色组织图像转换为特殊染色剂，可以用来消除人类组织技术专家制备这些特殊染色剂的需要。这种基于人工智能的技术通过生成用于肾脏组织的全面板特殊染色来证明，即周期酸-希夫(PAS)、琼斯银染色和马森三色染色;利用专门的深度神经网络，从现有的经he和e染色的组织活检图像中，对所有这些特殊染色剂进行了计算转换。研究人员使用这组特殊的染色剂进行了临床评估，以证明这种染色-染色转化技术在各种临床样本上的有效性，涵盖了广泛的肾脏疾病。由多个机构组成的委员会认证的肾脏病理学家团队进行的评估发现，使用神经网络生成的特殊染色和H&E图像比仅使用H&E图像在统计上有显著改善。另一项研究还表明，虚拟再染色图像的质量在统计学上与那些由人类专家组织化学染色的图像相同。
这种染色到染色的转变是快速的，用不到一分钟的时间进行针芯组织活检。这种速度提高了需要特殊染色剂的初步诊断的质量，也节省了大量的时间和成本。这些优势在诊断疾病时尤其重要，如移植排斥病例，快速准确的诊断可使快速治疗，从而可显著改善临床结果。此外，由于虚拟重染技术应用于现有的染色剂，它不需要改变目前病理中使用的组织处理流程，因此易于采用。
这项研究发表在《自然通讯》杂志上。
