《自然》：人工智能模型在10秒内检测出手术中经常遗漏的恶性脑肿瘤

　　

发表在《自然》杂志上的一项研究表明，研究人员开发了一种人工智能驱动的模型，该模型可以在10秒内确定手术中是否有任何可以切除的脑癌部分残留。

密歇根大学（University of Michigan）和加州大学旧金山分校（University of California San Francisco）领导的研究小组表示，这项名为FastGlioma的技术在识别肿瘤残余方面比传统方法要好得多。

“FastGlioma是一种基于人工智能的诊断系统，通过立即改善弥漫性胶质瘤患者的综合管理，有可能改变神经外科领域，”资深作者Todd Hollon医学博士说，他是密歇根大学健康大学的神经外科医生，也是密歇根大学医学院神经外科助理教授。

“这项技术比目前肿瘤检测的标准护理方法更快、更准确，可以推广到其他儿科和成人脑肿瘤诊断中。”它可以作为指导脑肿瘤手术的基础模型。”

当神经外科医生从病人的大脑中切除危及生命的肿瘤时，他们很少能切除整个肿块。

剩下的部分被称为残余肿瘤。

通常，在手术中肿瘤被遗漏，因为外科医生无法区分健康的大脑和肿块被切除的腔内残留的肿瘤。

残留的肿瘤可能类似于健康的大脑，这仍然是外科手术的主要挑战。

神经外科团队在手术过程中采用不同的方法来定位残留肿瘤。

他们可能会接受核磁共振成像，这需要术中设备，而不是到处都有。

外科医生也可能使用荧光显像剂来识别肿瘤组织，这并不适用于所有类型的肿瘤。

这些限制阻碍了它们的广泛使用。

“这意味着我们可以在几秒钟内以极高的精度检测到肿瘤浸润，这可以通知外科医生在手术中是否需要更多的切除。”

在这项人工智能驱动技术的国际研究中，神经外科团队分析了来自220名接受过低级别或高级别弥漫性胶质瘤手术的患者的新鲜、未处理的样本。

FastGlioma检测并计算剩余肿瘤的平均准确率约为92%。

在FastGlioma预测或图像和荧光引导方法指导下的手术比较中，人工智能技术仅错过了3.8%的高风险残留肿瘤，而传统方法的失误率接近25%。

“这个模型是对现有手术技术的一种创新，它使用人工智能在微观分辨率下快速识别肿瘤浸润，大大降低了胶质瘤切除区域缺失残留肿瘤的风险，”共同资深作者Shawn Hervey-Jumper医学博士说，他是加州大学旧金山分校的神经外科教授，也是密歇根大学健康中心的前神经外科住院医师。

“快速胶质瘤的发展可以最大限度地减少对放射成像、对比度增强或荧光标记的依赖，以实现最大程度的肿瘤切除。”

它是如何工作的 

为了评估脑肿瘤的残余，FastGlioma将显微光学成像与一种称为基础模型的人工智能相结合。

这些是人工智能模型，如GPT-4和DALL·E 3，在大量不同的数据集上训练，可以适应各种各样的任务。

经过大规模训练，基础模型可以对图像进行分类，充当聊天机器人，回复电子邮件，从文本描述生成图像。

为了构建FastGlioma，研究人员使用超过11,000个手术标本和400万个独特的显微镜视野对视觉基础模型进行了预训练。

肿瘤标本通过刺激拉曼组织学成像，这是密歇根大学开发的一种快速、高分辨率光学成像方法。

同样的技术也被用于训练DeepGlioma，这是一种基于人工智能的诊断筛选系统，可以在90秒内检测出脑肿瘤的基因突变。

“FastGlioma可以检测残留的肿瘤组织，而无需依赖耗时的组织学程序和医疗人工智能中的大型标记数据集，这是稀缺的，”密歇根大学计算机科学与工程教授、合著者Honglak Lee博士说。

使用受激拉曼组织学获得全分辨率图像大约需要100秒；一张“快速模式”的低分辨率图像只需要10秒。

研究人员发现，全分辨率模型的准确率高达92%，快速模式的准确率略低，约为90%。

Hollon说：“这意味着我们可以在几秒钟内以极高的准确度检测到肿瘤浸润，这可以通知外科医生在手术中是否需要更多的切除。”

人工智能在癌症领域的未来 

在过去的20年里，神经外科手术后肿瘤残留率并没有提高。

残留肿瘤不仅会导致患者的生活质量下降和过早死亡，而且还会增加卫生系统的负担，预计到2030年，全球每年需要进行4500万例外科手术。

全球癌症倡议建议将新技术，包括先进的成像方法和人工智能，纳入癌症手术。

2015年，《柳叶刀》肿瘤学委员会关于全球癌症手术指出，“需要具有成本效益……在癌症手术中解决手术边缘的方法为新技术的发展提供了强有力的推动力。”

FastGlioma不仅是神经外科团队治疗神经胶质瘤的一种方便和负担得起的工具，而且研究人员说，它还可以准确地检测几种非神经胶质瘤的残余肿瘤诊断，包括小儿脑肿瘤，如髓母细胞瘤、室管膜瘤和脑膜瘤。

“这些结果证明了视觉基础模型（如FastGlioma）在医疗人工智能应用中的优势，以及推广到其他人类癌症的潜力，而不需要广泛的模型再培训或微调，”密歇根大学健康部神经外科主任、医学博士Aditya S. Pandey说。

“在未来的研究中，我们将专注于将FastGlioma工作流程应用于其他癌症，包括肺癌、前列腺癌、乳腺癌和头颈癌。”