AI 模型仅需 10 秒即可识别被忽视的脑肿瘤

人工智能在医疗保健领域的另一项胜利是，研究人员开发了一种模型，可以发现外科医生在从患者身上切除脑肿瘤时可能会错过的部分脑肿瘤。它可以在短短 10 秒内检测到这些剩余组织，并有助于预防一系列长期和短期的术后并发症。

该技术由密歇根大学和加州大学旧金山分校的研究人员开发，称为 FastGlioma，其中包含“神经胶质瘤”一词，指的是大脑或脊髓肿瘤。

该研究的资深作者、神经外科医生托德·霍伦 (Todd Hollon) 表示：“该技术比目前的肿瘤检测标准护理方法更快、更准确，并且可以推广到其他儿科和成人脑肿瘤诊断。”详细介绍 FastGlioma 有效性的论文发表于自然。“它可以作为指导脑肿瘤手术的基础模型。”

在大多数肿瘤切除手术中，很难区分健康的脑组织和肿瘤组织，因此，一些残留的肿瘤可能会留在肿块被切除的空腔中。

这可能会导致任何几种并发症，包括癫痫、感染、头痛、认知能力下降和运动功能障碍。

现在，虽然可以使用 MRI 成像或荧光成像剂来定位这些残留肿瘤，但它们并不总是在手术过程中可接近，或适用于所有类型的肿瘤。

还有其他尝试来解决难以发现的残留肿瘤的问题，例如2010 年配备激光的 SpectroPen， 和用于手术期间成像的金纳米粒子早在 2012 年。然而，尚不清楚这些是否成功商业化。

鉴于人工智能驱动的诊断系统只需要访问开源模型和计算能力。

FastGlioma 使用基础模型，这是一种在大型数据集上针对各种任务进行训练的人工智能系统。他们可以学习模式来理解语言并对图像进行分类，OpenAI 的 GPT-4 就是最近的一个例子。

在本例中，FastGlioma 使用超过 11,000 个手术标本和 400 万个独特的显微视野进行了预训练。它所观察的肿瘤标本是通过一种称为“受激拉曼组织学。

这使得系统能够使用全分辨率图像在短短 100 秒内检测肿瘤浸润，准确率高达 92%。当使用较低分辨率的图像时，FastGlioma 在短短 10 秒内就达到了 90% 的准确率。这使得外科医生能够快速确定手术过程中是否有任何残留肿瘤需要切除。

这项技术代表了过去二十年来在提高残留肿瘤识别率方面的最大进步。随着它的普及，它可以帮助大幅改善患者的术后生活质量，并减少事后昂贵的矫正手术的需要。

这也是人工智能帮助改善神经外科患者治疗效果的一个典型例子。去年，我们写过关于CHARM的文章，准确解码肿瘤基因组成的工具并足够快地确定后续步骤以便在手术过程中使用。

FastGlioma 也可以在不久的将来扩展到帮助其他类型的患者。“在未来的研究中，我们将专注于将 FastGlioma 工作流程应用于其他癌症，包括肺癌、前列腺癌、乳腺癌和头颈癌，”该论文的合著者 Aditya S. Pandey 说道。技术。

来源：密歇根大学通过科学日报