算法有助于在手术中检测脑癌


研究人员认为模型可以提供可靠的实时信息。


彩色磁共振成像 (MRI) 扫描的轴向部分通过大脑显示一个转移性肿瘤。

阿尔弗雷德 · 帕西卡/科学图betway必威官方片库,通过盖蒂图片库。

作者: 尼克 · 卡尼

医学研究人员开发了一种算法,他们说这种算法在从 10 种最常见的脑癌中分类手术样本方面表现得和人类病理学家一样好。

写入在杂志上自然医学来自纽约大学医学院的 Daniel Orringer 领导的一个团队建议,它的新技术可以在手术期间近乎实时地提供专家级的诊断信息。

研究人员将人工智能模型与被称为受激拉曼组织学 (SRH) 的基于激光的光学成像技术相结合,在 150 秒内诊断脑癌。

SRH 通过收集散射的激光揭示了人体组织中的肿瘤浸润,照亮了标准组织学图像中不常见的基本特征。

然后使用人工智能对显微图像进行处理和分析,使外科医生能够看到预测的大脑肿瘤诊断。切除后,同样的技术被用于检测和移除其他无法检测到的 tumour。

“作为外科医生,我们只能根据我们所能看到的情况采取行动; 这项技术让我们能够看到原本看不见的东西,以提高 OR 的速度和准确性, 减少误诊的风险,”奥林格说。

在一项涉及三家医院的 278 名脑瘤患者的临床试验中,基于人工智能的诊断准确率为 94.6%,相比之下,基于病理学家的解释准确率为 93.9%。

同样重要的是,该模型总是可用的,而在手术期间通常缺乏可用的病理学家来提供诊断。

为了建立他们的模型,Orringer 和他的同事用 250万名患者的 415 多个样本训练了一个深度卷积神经网络 (CNN),将组织分为代表最常见脑肿瘤的 13 个组织学类别。

为了测试它,他们将病人的样本随机分配到控制组 (当前的标准实践) 或实验组。

控制臂包括运送到病理实验室,在那里样本处理、技术人员的载玻片制备和病理学家的解释需要 20 到 30 分钟。实验臂在术中进行,从图像采集和处理到通过 CNN 进行诊断预测。

值得注意的是,研究人员说,实验组的诊断错误与对照组的错误是独一无二的,这表明使用这种新技术的病理学家可以达到接近 100% 的准确性。

他们认为,这种方法的潜力是巨大的。

他们写道: “尽管我们的工作流程是在神经外科肿瘤学的背景下开发和验证的,但在其他器官的肿瘤中发现了许多用于诊断脑肿瘤的组织学特征。”。

“因此,我们预测,将光学组织学和深度学习相结合的类似工作流程可以应用于皮肤科、头颈外科、乳腺外科和妇科,在这些领域,术中组织学同样是临床护理的核心。

“重要的是,我们基于人工智能的工作流程在手术过程中提供了无与伦比的床边显微组织诊断,便于检测残留肿瘤,降低了移除病变附近组织学正常组织的风险, 能够研究区域组织学和分子异质性,并最大限度地减少非诊断性活检或因取样错误而误诊的机会。”

  1. https://www.nature.com/articles/s41591-019-0715-9
    betway必威登录平台最新故事
    更多更多文章