FastGlioma能够检测并量化肿瘤浸润的程度，平均受试者工作特征曲线下面积（AUC）为92.1±0.9%。
据发表在《自然》杂志上的研究结果表明，一种新型视觉基础模型可能有助于准确快速地检测新鲜、未经处理和未标记的手术组织中的胶质瘤浸润。
研究人员进行了一项国际性的前瞻性多中心队列研究，以开发、训练、微调和验证FastGlioma——一种基于人工智能的开源床旁诊断工具，用于检测手术组织中的脑肿瘤浸润。
通过使用刺激拉曼组织学（SRH）光学成像技术可以在切除腔的手术边缘处对新鲜组织样本进行显微镜下肿瘤浸润的检测。SRH图像可在10秒内以低分辨率模式或100秒内以全分辨率模式拍摄，从而实现快速识别。FastGlioma数据集来自13个医疗中心，包括超过3000名患者的数据，涵盖了中枢神经系统肿瘤和人类癌症的诊断范围。
微调策略使得该模型可以推广到更广泛的人群。用于微调的肿瘤浸润数据集由3位神经病理学家注释，每个SRH图像按照从0到3的评分标准进行排名：
- 评分为0：正常脑组织，无肿瘤；
- 评分为1：可能存在肿瘤的异常细胞；
- 评分为2：稀疏的肿瘤浸润；以及，
- 评分为3：密集的肿瘤浸润。
FastGlioma的评分通过苏木精和伊红染色以及肿瘤特异性免疫组化（如异柠檬酸脱氢酶[IDH]-1或-2、p53）进行确认。这些图像随后用于在快速识别密集肿瘤浸润时进行比较。
该模型在加州大学旧金山分校、纽约大学和维也纳医科大学的医疗中心招募的人群样本中进行了测试。符合条件的参与者包括正在进行肿瘤切除的弥漫性胶质瘤成人患者。
共有220名患者参与了这项研究，产生了767个IDH突变型和659个IDH野生型样本。区分不同程度弥漫性胶质瘤浸润的平均受试者工作特征曲线下面积（AUROC）为92.1±0.9%。归一化的浸润评分与真实标签之间表现出强相关性（相关系数，P=0.77；95%置信区间，0.74-0.78；P=0.00）。使用低分辨率成像与全分辨率成像相比，预测准确性仅降低了不到1%。
为了评估FastGlioma作为手术辅助工具的可行性和安全性，研究人员在一个由129名患者组成的子集中模拟了一个干预性临床试验，共产生了624个样本。FastGlioma在肿瘤浸润检测方面优于图像引导和荧光引导方法。FastGlioma的AUROC为98.1%，而FLAIR阳性的AUROC为76.3%，对比增强的AUROC为71.8%，5-氨基乙酰丙酸荧光的AUROC为89.0%。
在FastGlioma组中，有至少一个高风险肿瘤被遗漏的患者比例低于使用手术辅助工具的患者（3.8% vs 24.0%）。
“FastGlioma具有立即改善弥漫性胶质瘤患者综合管理的临床潜力，”研究作者总结道。
(全文结束)
