新的成像系统和人工智能算法精确识别脑肿瘤

一项新的研究发现，一种将先进的光学成像与人工智能算法相结合的新方法可以产生准确、实时的脑肿瘤手术诊断。

发表在自然医学1月6日，该研究检测了通过机器学习对脑肿瘤图像分类的诊断准确性，并与病理学家对传统组织学图像的解释准确性进行了比较。两种方法的结果具有可比性:基于ai的诊断准确率为94.6%，而基于病理的诊断准确率为93.9%。

成像技术，刺激拉曼组织学（SRH），揭示了肿瘤渗透人体组织通过收集分散激光灯，照亮通常在标准组织学图像中看到的基本特征。

然后，用人工智能对这些显微图像进行处理和分析，在不到两分半钟的时间里，外科医生就可以预测出脑瘤的诊断结果。使用同样的技术，在切除后，他们能够准确地检测和移除其他无法检测到的肿瘤。

“作为外科医生，我们只能采取我们能看到的行动;纽约大学格罗斯曼医学院神经外科副教授、资深作者丹尼尔·a·奥林格医学博士说:“这项技术让我们看到了原本看不见的东西，提高了手术室的速度和准确性，并减少了误诊的风险。”他帮助发展了SRH，并与密歇根大学的同事共同领导了这项研究。“有了这种成像技术，癌症手术比以往任何时候都更安全、更有效。”

这项研究是如何进行的

为了构建研究中使用的人工智能工具，研究人员对415名患者的超过250万份样本训练了一个深度卷积神经网络(CNN)，以将组织分成13个组织学类别，这些类别代表最常见的脑肿瘤，包括恶性胶质瘤、淋巴瘤、转移性肿瘤和脑膜瘤。

为了验证CNN，研究人员招募了278名接受脑瘤切除术或癫痫手术在三所大学医疗中心，在前瞻性临床试验中。从患者中，脑肿瘤标本活检，分裂到姐妹标本中，随机分配给控制或实验臂。

通过控制臂进行的标本 - 目前的标准实践 - 被运送到病理实验室，并通过技术人员的标本加工，幻灯片制备，并通过病理学家解释，这一过程需要20-30分钟。实验臂从术中进行，从图像采集和处理通过CNN诊断预测。

值得注意的是，实验组的诊断错误与对照组的错误是独特的，这表明病理学家使用新技术可以达到接近100%的准确性。该系统的精确诊断能力也有助于缺乏神经病理学专家的中心。

“SRH将彻底改变神经病理学领域在手术过程中通过改善决策和提供的专家级评估在训练有素的神经病理学家的医院并不可用,“说Matija Snuderl,医学博士,纽约大学病理学系的副教授格罗斯曼医学院和该研究的作者之一。

NYU Langone的大脑和脊柱肿瘤中心提供尖端处理

Orringer博士于2019年8月加入NYU Langone，带来了他帮助开发的SRH技术。位于美国东北部的纽约大学朗格尼脑脊瘤研究中心使用Invenio公司的NIO激光成像系统，率先提供这种技术。

SRH与术中MRI和荧光引导手术协同工作，为NYU Langone的世界级神经外科医生提供高分辨率的精确指导。

“Nyu Langone的神经外科部门长期以来一直是为我们患者带来最先进的治疗方案的领导者，”John G.Golfinos，MD，Joseph P. Ransohoff of神经外科部神经内科教授。“随着奥里林格博士的专业知识和这种更改技术，我们现在甚至更好地提供了为最复杂的脑肿瘤案件提供安全的手术和质量结果。”

这个新系统的实施是最近的NYU Langone努力整合人工智能在临床实践中改善癌症诊断。Nyu Langone的Perlmuter癌症中心的研究人员和临床医生最近在肺癌，乳腺癌和乳腺癌和脑肿瘤．

---

---