腦瘤是在大腦中生長的大量異常細胞。僅2016年，全球就有33萬腦癌病例和22.7萬相關死亡。早期發現對改善患者預後至關重要，多虧了一組研究人員，他們開發了一種新的成像技術和人工智能算法，可以幫助醫生準確地識別腦瘤。
這項研究發表在《自然醫學》雜誌上，揭示了一種結合現代光學成像和人工智能算法的新方法。紐約大學(New York University)的研究人員研究了機器學習在腦瘤術中進行精確實時診斷的準確性。
在過去，診斷腦瘤的唯一方法是及時對加工過的組織進行蘇木精和伊紅染色。此外，對這些發現的解釋依賴於對標本進行檢查的病理學家。研究人員希望新方法能提供更好、更準確的診斷，有助於立即開始有效的治療。
在癌症治療中，越早診斷出癌症，腫瘤醫生就越早開始治療。在大多數情況下，早期發現可改善健康結果。研究人員發現他們的新檢測方法產生了94.6%的準確率，相比之下，基於病理學的解釋有93.9%的準確率。
成像技術
研究人員使用了一種新的成像技術，稱為“拉曼光譜”(SRH)，它可以揭示腫瘤在人體組織中的浸潤。該技術收集分散的激光並強調在許多人體組織圖像中不常見的特徵。
對於這些新圖像，科學家們使用人工智能算法進行處理和研究。在僅僅2分30秒內，研究人員就做出了腦瘤的診斷。腦癌的快速檢測不僅有助於早期診斷，而且有助於實施快速有效的治療計劃。早期發現癌症，治療可能對殺死癌細胞更有效。
該團隊還利用同樣的技術，準確地識別和移除無法用傳統方法檢測到的無法檢測到的腫瘤。
“作為外科醫生，我們只能根據所見採取行動;這項技術使我們能夠看到原本看不見的東西，從而提高OR的速度和準確性，並降低誤診的風險。有了這種成像技術，癌症手術比以往任何時候都更安全、更有效，”研究人員表示。
研究結果
這項研究是研究小組的各種想法和努力的總結。首先，他們通過訓練一個深度卷積神經網絡(CNN)建立了人工智能算法，該網絡包含了來自415名患者的250多萬樣本。該方法幫助他們將組織樣本分成13類，代表最常見的腦瘤類型，如腦膜瘤、轉移性腫瘤、惡性膠質瘤和淋巴瘤。
為了驗證這一觀點，研究人員招募了278名正在三所大學醫學中心接受腦瘤切除或癲癇手術的患者。對來自大腦的腫瘤樣本進行了檢查和活檢。研究人員將這些樣本分成兩組——對照組和實驗組。
研究小組將對照組安排在病理學實驗室進行傳統的處理。整個過程需要20到30分鐘。另一方面，對實驗組進行了術中檢測和研究，通過CNN獲取圖像並進行檢查處理。
實驗組和對照組都有明顯的錯誤，但都是相互獨立的。這個新工具可以幫助中心檢測和診斷腦瘤，特別是那些沒有神經病理學專家的腦瘤。
研究人員解釋說:“SRH將革新神經病理學領域，它將改善手術過程中的決策，並在缺乏訓練有素的神經病理學家的醫院提供專家級評估。”
閱讀更多 大健康Pai 的文章
