美國密歇根大學(xué)和加利福尼亞大學(xué)舊金山分校領(lǐng)導(dǎo)的研究人員開發(fā)出一款名為FastGlioma的人工智能(AI)模型。在腦手術(shù)中,該模型僅用10秒就判斷出是否還有殘留的癌性腫瘤。在識別腫瘤殘留方面,FastGlioma的表現(xiàn)遠(yuǎn)超傳統(tǒng)方法,有望給神經(jīng)外科領(lǐng)域帶來變革。研究成果發(fā)表在最新一期《自然》雜志上。

在腦瘤切除手術(shù)中,很少能切除完全。有些殘留部分與健康腦組織十分相似,常常成為“漏網(wǎng)之魚”,而目前醫(yī)生用于定位腫瘤殘留的方法,均有一定的局限性。

FastGlioma將顯微光學(xué)成像與一種稱為基礎(chǔ)模型的AI相結(jié)合。研究人員使用超過11000份手術(shù)樣本和400萬個顯微圖像對視覺基礎(chǔ)模型進(jìn)行了預(yù)訓(xùn)練。這些腫瘤樣本通過受激拉曼組織成像拍攝,這是一種由密歇根大學(xué)開發(fā)的快速、高分辨率光學(xué)成像方法。

經(jīng)過訓(xùn)練,FastGlioma可以在缺乏大型標(biāo)記數(shù)據(jù)集的情況下檢測腫瘤殘余組織。由FastGlioma預(yù)測指導(dǎo)的手術(shù)僅在3.8%的情況下遺漏了高風(fēng)險腫瘤殘余,而利用圖像和熒光引導(dǎo)的手術(shù)遺漏率接近25%。

使用受激拉曼組織成像獲取全分辨率圖像大約需要100秒;而“快速模式”下的低分辨率圖像則僅需10秒。結(jié)果顯示,FastGlioma以平均約92%的準(zhǔn)確率檢測并計算了腫瘤殘余量。

研究人員表示,這意味著以后可以在幾秒鐘內(nèi)以極高的準(zhǔn)確率檢測到腫瘤浸潤,幫助外科醫(yī)生判斷手術(shù)中是否需要進(jìn)一步切除。

與當(dāng)前腫瘤檢測的標(biāo)準(zhǔn)治療方法相比,FastGlioma利用AI快速識別微觀分辨率下的腫瘤浸潤,從而大大降低了在切除區(qū)域遺漏腫瘤殘余的風(fēng)險。利用該模型還能最大程度減少對放射成像、對比增強(qiáng)或熒光標(biāo)記的依賴,并推廣到其他腦腫瘤診斷中。