人工智能(AI)和机器学习工具最近受到了广泛关注，大多数讨论都集中在正确使用上。然而，这项技术具有广泛的实际应用，从预测自然灾害到解决种族不平等问题，再到现在协助癌症手术。
北卡罗来纳大学外科系、北卡罗来纳大学-北卡罗来纳州立大学联合生物医学工程系和北卡罗来纳大学莱恩伯格综合癌症中心之间建立了新的临床和研究伙伴关系，创建了一个人工智能模型，可以预测癌组织是否已完全从体内清除在乳腺癌手术期间。他们的研究结果发表在《肿瘤外科年鉴》上。
“有些癌症你可以感觉到和看到，但我们看不到可能存在于切除组织边缘的微小癌细胞。其他癌症是完全微观的，”资深作者克里斯塔林·加拉格尔(Kristalyn Gallagher)说，她是外科肿瘤科乳腺外科科长，也是北卡罗来纳大学莱恩伯格成员。“这种人工智能工具将使我们能够更准确地实时分析手术切除的肿瘤，并增加手术期间切除所有癌细胞的机会。这将避免需要将患者带回来进行第二次或第三次手术。”
在手术过程中，外科医生将切除肿瘤(也称为标本)并取出少量周围的健康组织，试图切除乳房中的所有癌症。然后使用乳房X线摄影机对样本进行拍照，并由团队进行审查，以确保异常区域已被去除。然后将其送往病理学进行进一步分析。
病理学家可以确定癌细胞是否延伸到标本的外边缘或病理边缘。如果癌细胞存在于切除组织的边缘，则乳房中可能仍残留有其他癌细胞。外科医生可能需要进行额外的手术来切除额外的组织，以确保癌症已被完全切除。然而，这可能需要手术后一周才能完全处理，而标本乳房X光检查或用X射线拍摄标本可以立即在手术室中完成。
为了“教”他们的人工智能模型阳性边缘和阴性边缘是什么样子，研究人员使用了数百张乳房X光检查图像样本，并与病理学家的最终样本报告进行了匹配。为了帮助他们的模型，研究人员还收集了患者的人口统计数据，例如年龄、种族、肿瘤类型和肿瘤大小。
在计算了模型预测病理边缘的准确性后，研究人员将该数据与人类解释的典型准确性进行了比较，发现人工智能模型的表现与人类一样，甚至更好。
“思考人工智能模型如何利用计算机视觉在手术室中支持医生和外科医生的决策是很有趣的，”第一作者、外科普通外科住院医师Kevin Chen医学博士说。“我们发现人工智能模型在识别正利润方面与人类相当或略胜一筹。”
加拉格尔表示，该模型对于辨别乳腺密度较高的患者的边缘特别有帮助。在乳房X光检查中，密度较高的乳腺组织和肿瘤呈亮白色，因此很难辨别癌症的终止位置和健康乳腺组织的起始位置。
类似的模型对于资源较少的医院也特别有帮助，因为这些医院可能没有专业外科医生、放射科医生或病理学家在手术室里做出快速、明智的决定。
“这就像在可能不具备这些专业知识的医院中提供额外的支持，”生物医学工程和药理学教授、该论文的共同高级作者、工程科学博士肖恩·戈麦斯 ( Shawn Gomez)说。“外科医生不必做出最佳猜测，而是可以得到经过数百或数千张图像训练的模型的支持，并立即获得手术反馈，从而做出更明智的决定。”
由于该模型仍处于早期阶段，研究人员将继续添加更多患者和不同外科医生拍摄的更多照片。该模型需要在进一步的研究中得到验证，然后才能用于临床。研究人员预计，随着他们对正常组织、肿瘤和边缘的外观了解更多，他们的模型的准确性将会随着时间的推移而提高。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！