發(fā)表在《自然》雜志上的一項(xiàng)研究表明，研究人員開(kāi)發(fā)了一種人工智能驅(qū)動(dòng)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(shuō)法，這項(xiàng)被稱為FastGlioma的技術(shù)在識(shí)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(guò)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(shuō)，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(xiàng)技術(shù)比目前腫瘤檢測(cè)的標(biāo)準(zhǔn)護(hù)理方法更快、更準(zhǔn)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?！?/p>

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(shí)，他們很少能切除整個(gè)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?yàn)橥饪漆t(yī)生無(wú)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(tuán)隊(duì)在手術(shù)過(guò)程中使用不同的方法來(lái)定位殘余腫瘤。

他們可能會(huì)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(lái)識(shí)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(xiàng)人工智能驅(qū)動(dòng)技術(shù)的國(guó)際研究中，神經(jīng)外科團(tuán)隊(duì)分析了來(lái)自220名接受過(guò)低級(jí)別或高級(jí)別彌漫性膠質(zhì)瘤手術(shù)的患者的新鮮、未處理標(biāo)本。

FastGlioma檢測(cè)并計(jì)算剩余腫瘤的平均準(zhǔn)確率約為92%。

在FastGlioma預(yù)測(cè)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(cuò)過(guò)了3.8%的高風(fēng)險(xiǎn)殘留腫瘤，而傳統(tǒng)方法的失誤率接近25%。

“這個(gè)模型是對(duì)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(shí)別腫瘤浸潤(rùn)，大大降低了膠質(zhì)瘤切除區(qū)域殘留腫瘤缺失的風(fēng)險(xiǎn)，”共同資深作者Shawn Hervey-Jumper醫(yī)學(xué)博士說(shuō)，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(duì)放射成像、對(duì)比度增強(qiáng)或熒光標(biāo)記的依賴，以實(shí)現(xiàn)最大程度的腫瘤切除?！?/p>

它是如何工作的?

為了評(píng)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(guò)大規(guī)模訓(xùn)練，基礎(chǔ)模型可以對(duì)圖像進(jìn)行分類，充當(dāng)聊天機(jī)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(guò)11,000個(gè)手術(shù)標(biāo)本和400萬(wàn)個(gè)獨(dú)特的顯微鏡視野來(lái)預(yù)先訓(xùn)練視覺(jué)基礎(chǔ)模型。

腫瘤標(biāo)本通過(guò)刺激拉曼組織學(xué)成像，這是密歇根大學(xué)開(kāi)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(cè)腦腫瘤的基因突變。

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

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(dá)92%，快速模式的精度略低，約為90%。

Hollon說(shuō)：“這意味著我們可以在幾秒鐘內(nèi)以極高的精度檢測(cè)腫瘤浸潤(rùn)，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(lái)

在過(guò)去的20年里，神經(jīng)外科手術(shù)后殘留腫瘤的比率并沒(méi)有提高。殘余腫瘤不僅會(huì)導(dǎo)致患者的生活質(zhì)量下降和過(guò)早死亡，而且還會(huì)增加衛(wèi)生系統(tǒng)的負(fù)擔(dān)，預(yù)計(jì)到2030年，全球每年需要進(jìn)行4500萬(wàn)次外科手術(shù)。

全球癌癥倡議建議將新技術(shù)，包括先進(jìn)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(huì)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(qiáng)有力的推動(dòng)力。”

FastGlioma不僅是神經(jīng)外科團(tuán)隊(duì)治療神經(jīng)膠質(zhì)瘤的一種方便和負(fù)擔(dān)得起的工具，而且研究人員說(shuō)，它還可以準(zhǔn)確地檢測(cè)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(xì)胞瘤、室管膜瘤和腦膜瘤。

“這些結(jié)果證明了視覺(jué)基礎(chǔ)模型（如FastGlioma）在醫(yī)療人工智能應(yīng)用中的優(yōu)勢(shì)，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(shuō)。

“在未來(lái)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>