一项新的研究显示，一种将人工智能与先进成像技术相结合的方法，在手术过程中不到3分钟就能准确诊断出脑肿瘤。该方法也能准确区分肿瘤组织和健康组织。
研究人员正在利用人工智能快速分析由一种叫做受激拉曼组织学（SRH）的技术产生的脑肿瘤活检图像。
的功劳：NYU Langone Health
对于脑肿瘤患者来说，治疗的第一步往往是手术切除尽可能多的肿块。在手术过程中获得并分析的肿瘤样本有助于准确诊断肿瘤，并确定肿瘤与健康脑组织之间的界限。
然而，这种术中病理分析需要时间样本必须经过处理、染色，在外科医生和病人等待结果时由病理学家分析。现在，一项新的研究表明，结合先进的成像技术和人工智能（AI）的过程可以在手术过程中不到3分钟准确诊断脑肿瘤。该方法还能够准确区分肿瘤组织和健康组织。
这一发现发表在1月6日的《自然医学》杂志上。
这一技术对于新发现的肿瘤患者和正在接受第二次或第三次手术的[复发肿瘤]患者尤其令人鼓舞，帮助领导这项研究的纽约大学兰贡健康学院的医学博士丹尼尔·奥林格说：
这项研究，研究小组写道，为“在手术期间在床边提供无可匹敌的术中组织诊断”打开了大门，同时“降低切除……癌旁正常组织的风险。”
Kareem Zaghloul，医学博士，NIH外科神经科的神经外科医生，他说他没有参与这项研究受到研究结果的鼓舞。“这项技术有助于了解手术需要多积极或保守，”扎格卢尔博士说，
应用成像和人工智能技术
在这项研究中，一个由Orringer博士和密歇根大学首席神经外科住院医师Todd Hollon博士领导的研究小组，想测试他们是否可以将一种称为受激拉曼组织学（SRH）的成像技术与人工智能的预测能力结合起来，以改进当前的术中病理操作。
SRH是一种专门的显微镜检查形式，可用于直接在手术室对新鲜组织样本进行可视化，甚至产生与病理学家应用于冷冻组织样本分析细胞结构相同的“染色”。在密歇根大学，外科团队已经在一些脑瘤和头颈癌手术中使用SRH系统。
人工智能包括使用功能强大的计算机执行通常与人类智能相关的任务。一种被称为深度学习的人工智能使用复杂的数学算法（有时称为卷积神经网络）从数据中提取特征，然后对其进行“训练”。
这种训练允许算法识别模式并执行诸如分析图像等任务。例如，在医学领域，研究人员正在研究这样的算法，看看它们是否能够帮助评估乳房X光片，检测宫颈癌前组织，或者更准确地检测癌痣。
将SRH成像仪的能力与人工智能结合起来，研究人员首先在SRH生成的脑肿瘤组织图像上训练算法。在培训中，他们使用了415名患者的250多万张肿瘤组织图像。这些图像包括三种非肿瘤组织分类，包括健康的灰质或白质，以及10种最常见的脑肿瘤类型，占美国所有脑肿瘤诊断的90%以上。
一个主要的初始挑战是确定理想的图像大小和分辨率来训练算法，霍伦博士说。一旦确定了这些理想的参数，算法就学会了将组织样本分类为明确的肿瘤、非肿瘤组织或非诊断性组织（意味着它们不能被人工智能分析）。
测试在临床试验
中，以探索SRH‒AI技术在诊断脑损伤中的临床价值
