Nature Medicine：新的人工智能算法有助于检测脑瘤-INC国际神经外科医生集团

　　脑瘤是在大脑中生长的大量异常细胞。仅2016年，就有33万脑癌病例和22.7万相关死亡。早期发现对好转患者预后至关重要，多亏了一组研究人员，他们开发了一种新的成像技术和人工智能算法，可以帮助医生准确地识别脑瘤。相关阅读：脑干胶质瘤“液体活检”取得新突破

　　这项研究发表在《自然医学》杂志上，揭示了一种结合现代光学成像和人工智能算法的新方法。纽约大学(New York University)的研究人员研究了机器学习在脑瘤术中进行精确实时诊断的准确性。

　　在过去，诊断脑瘤的方法是及时对加工过的组织进行苏木精和伊红染色。此外，对这些发现的解释依赖于对标本进行检查的病理学家。研究人员希望新方法能提供更好、更准确的诊断，有助于立即开始合适的治疗。

　　在癌症治疗中，越早诊断出癌症，肿瘤医生就越早开始治疗。在大多数情况下，早期发现可好转健康结果。研究人员发现他们的新检测方法产生了94.6%的准确率，相比之下，基于病理学的解释有93.9%的准确率。

　　成像技术

　　研究人员使用了一种新的成像技术，称为“拉曼光谱”(SRH)，它可以揭示肿瘤在人体组织中的浸润。该技术收集分散的激光并强调在许多人体组织图像中不常见的特征。

　　对于这些新图像，科学家们使用人工智能算法进行处理和研究。在仅仅2分30秒内，研究人员就做出了脑瘤的诊断。脑癌的快速检测不有助于早期诊断，而且有助于实施快速合适的治疗计划。早期发现癌症，治疗可能对杀死癌细胞更合适。

　　该团队还利用同样的技术，准确地识别和移除无法用传统方法检测到的无法检测到的肿瘤。

　　“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原本看不见的东西，从而提高OR的速度和准确性，并降低误诊的风险。有了这种成像技术，癌症手术比以往任何时候都更顺利、更合适，”研究人员表示。

　　研究结果

　　这项研究是研究小组的各种想法和努力的总结。首先，他们通过训练一个深度卷积神经网络(CNN)建立了人工智能算法，该网络包含了来自415名患者的250多万样本。该方法帮助他们将组织样本分成13类，代表较常见的脑瘤类型，如脑膜瘤、转移性肿瘤、恶性胶质瘤和淋巴瘤。

　　为了验证这一观点，研究人员招募了278名正在三所大学医学中心接受脑瘤切除或癫痫手术的患者。对来自大脑的肿瘤样本进行了检查和活检。研究人员将这些样本分成两组——对照组和实验组。

　　研究小组将对照组安排在病理学实验室进行传统的处理。整个过程需要20到30分钟。另一方面，对实验组进行了术中检测和研究，通过CNN获取图像并进行检查处理。

　　实验组和对照组都有明显的错误，但都是相互独自的。这个新工具可以帮助中心检测和诊断脑瘤，特别是那些没有神经病理学专家的脑瘤。

　　研究人员解释说:“SRH将革新神经病理学领域，它将好转手术过程中的决策，并在缺乏训练有素的神经病理学家的医院提供专家级评估。”

INC为您呈现