一项新的研究表明，一种新开发的人工智能（AI）程序可以帮助医生检测并潜在地移除手术中可能被遗漏的脑癌。这项研究于11月13日发表在《自然》杂志上，研究人员报告称，名为FastGlioma的AI程序在手术后计算残留脑癌的准确率约为92%。
FastGlioma在高风险残留肿瘤的检测中，错误率不到4%，而依赖MRI扫描或荧光染料检测脑瘤的人类医生的错误率接近25%。不仅如此，该AI还可以在10秒内返回结果，使其成为在手术中移除脑瘤时的强大辅助工具。
“FastGlioma是一种基于人工智能的诊断系统，有潜力通过立即改善弥漫性胶质瘤患者的综合管理来改变神经外科领域，”高级研究员、密歇根大学健康中心的神经外科医生托德·霍隆博士在一份大学新闻发布会上表示。“这项技术比目前用于肿瘤检测的标准方法更快、更准确，并且可以推广到其他儿科和成人脑瘤诊断。它可以作为指导脑瘤手术的基础模型。”
研究人员在背景资料中指出，神经外科医生很少能完全切除威胁生命的脑瘤，通常会留下所谓的残留肿瘤。这种剩余的脑癌之所以会被遗漏，是因为它经常在切除肿瘤后留下的空腔边缘处看起来像健康的脑组织。残留肿瘤增加了癌症复发的风险，剥夺了患者多年的寿命，并且常常需要后续的脑部手术。
医生在手术中尝试使用MRI扫描和荧光染料来识别残留肿瘤，但这些技术的实用性有限。为了提高外科医生彻底切除脑瘤的能力，研究人员将人工智能与显微光学成像结合，创建了FastGlioma。
研究团队使用超过11,000个手术标本和400万个独特的显微图像训练了FastGlioma的AI。然后，他们分析了220名接受脑癌手术的患者的新鲜、未处理的样本。FastGlioma在约100秒内使用高分辨率图像检测残留肿瘤的准确率高达92%，在使用稍低分辨率图像的“快速模式”下准确率为90%。
“这意味着我们可以在几秒钟内以极高的准确性检测到肿瘤浸润，从而告知外科医生在手术中是否需要进一步切除，”霍隆解释道。研究人员还补充说，AI还可以被训练区分其他类型的癌症与健康组织。
“在未来的研究中，我们将专注于将FastGlioma的工作流程应用于其他癌症，包括肺癌、前列腺癌、乳腺癌和头颈部癌症，”密歇根大学健康中心神经外科主席阿迪提亚·潘迪博士表示。
(全文结束)
