一项新的研究发现，一种将高级光学成像与人工智能算法相结合的新方法可以对脑肿瘤进行准确、实时的术中诊断。
该研究于 1 月 6 日发表在《自然医学》(Nature Medicine) 杂志上，与病理学家对传统组织学图像的解释准确性相比，该研究通过机器学习检查了脑肿瘤图像分类的诊断准确性。两种方法的结果具有可比性：基于 AI 的诊断准确率为 94.6%，而基于病理学家的解释准确率为 93.9%。
受激拉曼组织学 (SRH) 成像技术通过收集散射激光揭示人体组织中的肿瘤浸润，照亮标准组织学图像中通常看不到的基本特征。
然后用人工智能处理和分析显微图像，在不到两分半钟的时间内，外科医生能够看到预测的脑肿瘤诊断。使用相同的技术，在切除后，他们能够准确地检测和移除其他无法检测到的肿瘤。
“作为外科医生，我们只能根据所见采取行动;这项技术使我们能够看到本来看不见的东西，从而提高手术室的速度和准确性，并降低误诊的风险，”资深作者 Daniel A 说。 . 医学博士 Orringer，纽约大学格罗斯曼医学院神经外科副教授，他帮助开发了 SRH，并与密歇根大学的同事共同领导了这项研究。“有了这种成像技术，癌症手术比以往任何时候都更安全、更有效。”
研究是如何进行的
为了构建研究中使用的人工智能工具，研究人员使用来自 415 名患者的超过 250 万个样本训练了一个深度卷积神经网络 (CNN)，将组织分为 13 个组织学类别，代表最常见的脑肿瘤，包括恶性神经胶质瘤、淋巴瘤、转移性肿瘤和脑膜瘤。
为了验证 CNN，研究人员在前瞻性临床试验中招募了 278 名在三个大学医疗中心接受脑肿瘤切除术或癫痫手术的患者。脑肿瘤标本从患者身上进行活检，在术中分成姊妹标本，并随机分配到对照组或实验组。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！