人工智能模型可以在 10 秒内确定癌症类型

《自然》杂志发表的一项研究表明，研究人员开发了一种人工智能模型，可以在 10 秒内确定手术期间癌性脑瘤是否残留可以切除的部分。

密歇根大学和加州大学旧金山分校领导的研究小组表示，这项名为 FastGlioma 的技术在识别肿瘤残留物方面远远优于传统的方法。

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

“该技术比目前的肿瘤检测标准治疗方法更快、更准确，并且可以推广到其他儿童和成人脑肿瘤的诊断。它可以作为指导脑肿瘤手术的基础模型。”

当神经外科医生从患者脑中切除危及生命的肿瘤时，他们很少能够切除整个肿块。

剩下的部分被称为残留肿瘤。

手术中通常会漏掉肿瘤，因为外科医生无法区分健康脑和肿块切除腔内的残留肿瘤。残留肿瘤与健康脑组织相似的能力仍然是外科手术的一大挑战。

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。

他们可能会进行 MRI 成像，但这种成像需要术中机器，而这种机器并非随处可见。外科医生还可能使用荧光成像剂来识别肿瘤组织，但这种成像剂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。

在这项人工智能技术的国际研究中，神经外科团队分析了 220 名接受低或高级别弥漫性胶质瘤手术的患者身上采集的新鲜未处理标本。

FastGlioma 检测并计算出肿瘤剩余量，平均准确率约为 92%。

在对 FastGlioma 预测或图像和荧光引导方法指导的手术进行比较时，人工智能技术仅有 3.8% 的时间漏掉了高风险的残留肿瘤，而传统方法的漏掉率接近 25%。

加州大学旧金山分校神经外科教授、前密歇根大学健康学院神经外科住院医师、本文共同资深作者 Shawn Hervey-Jumper 医学博士表示：“该模型是对现有手术技术的创新突破，它利用人工智能在微观分辨率下快速识别肿瘤浸润，大大降低了在切除胶质瘤的区域遗漏残留肿瘤的风险。”

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

工作原理
为了评估脑瘤的残留情况，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，例如 GPT-4 和 DALL·E 3，它们在大量多样化的数据集上进行训练，可以适应各种任务。

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

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

肿瘤标本通过受激拉曼组织学成像，这是密歇根大学开发的一种快速高分辨率光学成像方法。同样的技术还用于训练 DeepGlioma，这是一种基于人工智能的诊断筛查系统，可在 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学 AI 中稀缺的大量标记数据集，”论文合著者、密歇根大学计算机科学与工程学教授 Honglak Lee 博士说。

使用受激拉曼组织学获取全分辨率图像大约需要 100 秒；而“快速模式”低分辨率图像仅需 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%。

霍伦说：“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，这可以告知外科医生是否需要在手术中进行更多切除。”

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的发生率并没有改善。

残留肿瘤不仅导致患者生活质量下降和过早死亡，而且还增加了医疗系统的负担（预计到 2030 年全球每年将需要进行 4500 万次手术）。

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）融入癌症手术中。

2015 年，《柳叶刀》全球癌症手术肿瘤学委员会指出，“对具有成本效益的……解决癌症手术手术边缘问题的方法的需求为新技术的发展提供了强大的推动力。”

FastGlioma 不仅是神经外科团队治疗神经胶质瘤的一种方便且经济实惠的工具，研究人员表示，它还可以准确检测几种非神经胶质瘤肿瘤诊断的残留肿瘤，包括儿童脑肿瘤，如髓母细胞瘤和室管膜瘤，以及脑膜瘤。

“这些结果证明了 FastGlioma 等视觉基础模型在医疗 AI 应用方面的优势，以及无需进行大量模型再训练或微调即可推广到其他人类癌症的潜力，”合著者、密歇根大学健康学院神经外科系主任 Aditya S. Pandey 医学博士说。

“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、乳腺癌以及头颈癌。” (责任编辑：泉水)

搜索

热门标签:

人工智能模型可以在 10 秒内确定癌症类型