密歇根大学（U-M）的研究人员开发了一种新的人工智能（AI）工具，可以在10秒内告知外科医生是否有任何应被切除的癌性脑肿瘤残留部分。这项名为FastGlioma的工具的性能已在《自然》杂志上发表，结果显示其在检测残留肿瘤组织方面优于传统方法。
胶质瘤是一种难以完全切除的脑肿瘤。由于其浸润性质，完全切除这些肿瘤具有挑战性，因为外科医生很难区分健康脑组织和残留肿瘤。彻底切除所有肿瘤组织对于改善患者预后至关重要，因为残留的肿瘤会导致肿瘤复发、生活质量下降和死亡风险增加。
“FastGlioma是一种基于人工智能的诊断系统，有可能改变神经外科领域，立即改善弥漫性胶质瘤患者的综合管理，”该研究的资深作者、U-M Health的神经外科医生Todd Hollon博士说，“该技术比目前的标准肿瘤检测方法更快、更准确，可以推广到其他儿童和成人脑肿瘤诊断。它可以用作指导脑肿瘤手术的基础模型。”
在脑肿瘤手术中，神经外科医生通常使用MRI或荧光成像技术来定位任何剩余的肿瘤组织。但使用MRI需要额外的术中设备，而荧光成像并不适用于所有类型的肿瘤，这限制了它们的广泛应用。然而，FastGlioma可能会改变外科医生处理脑肿瘤切除的方式。该工具通过结合高分辨率光学成像（特别是受激拉曼组学）与基础AI模型来工作，这些模型经过训练可以高精度分类图像。受激拉曼组学由U-M开发，可提供快速、详细的肿瘤组织图像，AI模型分析这些图像以实时识别癌细胞。AI模型使用超过11,000个手术标本和400万个独特的显微视图的数据集进行训练。
在一项国际研究中，神经外科团队分析了220名接受低级别或高级别弥漫性胶质瘤手术的患者的新鲜未处理组织样本。该工具以92%的准确率计算剩余肿瘤量，仅3.8%的时间错过残留肿瘤组织，远远优于当前技术约25%的漏检率。
“该模型是一种创新的手术技术，通过使用AI在微观分辨率下快速识别肿瘤浸润，”加州大学旧金山分校的神经外科教授Shawn Hervey-Jumper博士说，“FastGlioma的发展可以减少对放射成像、对比增强或荧光标签的依赖，以实现最大程度的肿瘤切除。”
FastGlioma以两种模式运行：全分辨率模式，大约需要100秒获取图像；快速模式，仅需10秒。快速模式虽然略逊于全分辨率模式，准确率约为90%，但仍能高度有效地为外科医生提供实时反馈，告知他们是否需要进一步切除肿瘤。
“这意味着我们可以在几秒钟内以极高的准确性检测到肿瘤浸润，从而在手术过程中告知外科医生是否需要更多切除，”Hollon说。
FastGlioma的潜力不仅限于胶质瘤，其开发者相信这一点。“这些结果展示了FastGlioma等视觉基础模型在医疗AI应用中的优势，”U-M Health神经外科系主任Aditya Pandey博士说，“在未来的研究中，我们将重点将FastGlioma工作流程应用于其他癌症，包括肺癌、前列腺癌、乳腺癌和头颈部癌症。”
(全文结束)
