發(fā)表在《自然》雜志上的一項研究表明，研究人員開發(fā)了一種人工智能驅(qū)動的模型，可以在10秒內(nèi)確定手術(shù)中是否有任何可以切除的腦癌部分殘留

根據(jù)密歇根大學(xué)和加州大學(xué)舊金山分校領(lǐng)導(dǎo)的研究小組的說法，這項被稱為FastGlioma的技術(shù)在識別腫瘤殘余方面比傳統(tǒng)方法要好得多。

“FastGlioma是一種基于人工智能的診斷系統(tǒng)，通過立即改善彌漫性膠質(zhì)瘤患者的綜合管理，有可能改變神經(jīng)外科領(lǐng)域，”資深作者Todd Hollon醫(yī)學(xué)博士說，他是密歇根大學(xué)健康大學(xué)的神經(jīng)外科醫(yī)生，也是密歇根大學(xué)醫(yī)學(xué)院神經(jīng)外科助理教授。

“這項技術(shù)比目前腫瘤檢測的標準護理方法更快、更準確，可以推廣到其他兒科和成人腦腫瘤診斷中?！彼梢宰鳛橹笇?dǎo)腦腫瘤手術(shù)的基礎(chǔ)模型。”

當(dāng)神經(jīng)外科醫(yī)生從病人的大腦中切除危及生命的腫瘤時，他們很少能切除整個腫塊。

剩下的被稱為殘余腫瘤。

通常，在手術(shù)中腫瘤被遺漏，因為外科醫(yī)生無法區(qū)分健康的大腦和腫塊被切除的腔內(nèi)殘留的腫瘤。殘余腫瘤與健康腦組織相似的能力仍然是外科手術(shù)的主要挑戰(zhàn)。

神經(jīng)外科團隊在手術(shù)過程中使用不同的方法來定位殘余腫瘤。

他們可能會接受核磁共振成像，這需要術(shù)中設(shè)備，而不是到處都有。外科醫(yī)生也可能使用熒光顯像劑來識別腫瘤組織，這并不適用于所有類型的腫瘤。這些限制?阻止了它們的廣泛使用

在這項人工智能驅(qū)動技術(shù)的國際研究中，神經(jīng)外科團隊分析了來自220名接受過低級別或高級別彌漫性膠質(zhì)瘤手術(shù)的患者的新鮮、未處理標本。

FastGlioma檢測并計算剩余腫瘤的平均準確率約為92%。

在FastGlioma預(yù)測或圖像和熒光引導(dǎo)方法指導(dǎo)下的手術(shù)比較中，人工智能技術(shù)僅錯過了3.8%的高風(fēng)險殘留腫瘤，而傳統(tǒng)方法的失誤率接近25%。

“這個模型是對現(xiàn)有手術(shù)技術(shù)的一種創(chuàng)新，它使用人工智能在微觀分辨率下快速識別腫瘤浸潤，大大降低了膠質(zhì)瘤切除區(qū)域殘留腫瘤缺失的風(fēng)險，”共同資深作者Shawn Hervey-Jumper醫(yī)學(xué)博士說，他是加州大學(xué)舊金山分校的神經(jīng)外科教授。

“快速膠質(zhì)瘤的發(fā)展可以最大限度地減少對放射成像、對比度增強或熒光標記的依賴，以實現(xiàn)最大程度的腫瘤切除?！?/p>

它是如何工作的?

為了評估腦腫瘤的殘余，F(xiàn)astGlioma將顯微光學(xué)成像與一種稱為基礎(chǔ)模型的人工智能相結(jié)合。這些是人工智能模型，如GPT-4和DALL·E 3，在大量不同的數(shù)據(jù)集上訓(xùn)練，可以適應(yīng)各種各樣的任務(wù)。

經(jīng)過大規(guī)模訓(xùn)練，基礎(chǔ)模型可以對圖像進行分類，充當(dāng)聊天機器人，回復(fù)電子郵件并從文本描述生成圖像。

為了構(gòu)建FastGlioma，研究人員使用超過11,000個手術(shù)標本和400萬個獨特的顯微鏡視野來預(yù)先訓(xùn)練視覺基礎(chǔ)模型。

腫瘤標本通過刺激拉曼組織學(xué)成像，這是密歇根大學(xué)開發(fā)的一種快速、高分辨率光學(xué)成像方法。同樣的技術(shù)也被用于訓(xùn)練DeepGlioma，這是一種基于人工智能的診斷篩選系統(tǒng)，可以在90秒內(nèi)檢測腦腫瘤的基因突變。

“FastGlioma可以檢測殘留的腫瘤組織，而無需依賴耗時的組織學(xué)程序和醫(yī)療人工智能中的大型標記數(shù)據(jù)集，這是稀缺的，”密歇根大學(xué)計算機科學(xué)與工程教授、合著者Honglak Lee博士說。

使用受激拉曼組織學(xué)獲得全分辨率圖像大約需要100秒；“快速模式”低分辨率圖像只需10秒。

研究人員發(fā)現(xiàn)，全分辨率模型的精度高達92%，快速模式的精度略低，約為90%。

Hollon說：“這意味著我們可以在幾秒鐘內(nèi)以極高的精度檢測腫瘤浸潤，這可以通知外科醫(yī)生在手術(shù)中是否需要更多的切除。”

人工智能在癌癥中的未來

在過去的20年里，神經(jīng)外科手術(shù)后殘留腫瘤的比率并沒有提高。殘余腫瘤不僅會導(dǎo)致患者的生活質(zhì)量下降和過早死亡，而且還會增加衛(wèi)生系統(tǒng)的負擔(dān)，預(yù)計到2030年，全球每年需要進行4500萬次外科手術(shù)。

全球癌癥倡議建議將新技術(shù)，包括先進的成像方法和人工智能，納入癌癥手術(shù)。

2015年，《柳葉刀》腫瘤學(xué)委員會關(guān)于全球癌癥手術(shù)指出，“需要具有成本效益……在癌癥手術(shù)中解決手術(shù)邊緣的方法為新技術(shù)提供了強有力的推動力?！?/p>

FastGlioma不僅是神經(jīng)外科團隊治療神經(jīng)膠質(zhì)瘤的一種方便和負擔(dān)得起的工具，而且研究人員說，它還可以準確地檢測幾種非神經(jīng)膠質(zhì)瘤的殘余腫瘤診斷，包括小兒腦腫瘤，如髓母細胞瘤、室管膜瘤和腦膜瘤。

“這些結(jié)果證明了視覺基礎(chǔ)模型（如FastGlioma）在醫(yī)療人工智能應(yīng)用中的優(yōu)勢，以及推廣到其他人類癌癥的潛力，而不需要廣泛的模型再培訓(xùn)或微調(diào)，”密歇根大學(xué)健康神經(jīng)外科系主任Aditya S. Pandey醫(yī)學(xué)博士說。

“在未來的研究中，我們將專注于將FastGlioma工作流程應(yīng)用于其他癌癥，包括肺癌、前列腺癌、乳腺癌和頭頸癌?！?/p>