一项新的研究发现，一种将先进的光学成像与人工智能算法相结合的新颖方法可以对脑肿瘤进行准确，实时的术中诊断。

该研究于1月6日发表在《自然医学》上，该研究通过机器学习检查了脑肿瘤图像分类的诊断准确性，并与病理学家解释传统组织学图像的准确性进行了比较。两种方法的结果均具有可比性：基于AI的诊断准确率为94.6%，而基于病理学家的解释为93.9%。

这种成像技术是受激拉曼组织学(SRH)刺激的，它通过收集散射的激光来揭示人体组织中的肿瘤浸润，从而照亮了标准组织学图像中通常看不到的基本特征。

显微图像然后用人工智能进行处理和分析，并且在不到两分半的时间内，外科医生就能看到预测的脑肿瘤诊断。使用相同的技术，在切除后，他们能够准确地检测并清除原本无法检测到的肿瘤。

高级作者Daniel A说：“作为外科医生，我们仅限于对所看到的东西采取行动;该技术使我们能够看到原本不可见的东西，从而提高手术室的速度和准确性，并降低误诊的风险。”纽约大学格罗斯曼医学院神经外科副教授Orringer医师，他帮助开发了SRH，并与密歇根大学的同事共同领导了这项研究。“有了这种成像技术，癌症手术将比以往更安全，更有效。”

研究如何进行

为了构建用于研究的人工智能工具，研究人员用来自415位患者的250万多个样本训练了深度卷积神经网络(CNN)，将组织分为代表最常见脑肿瘤的13种组织学类别，包括恶性神经胶质瘤，淋巴瘤，转移性肿瘤和脑膜瘤。

为了验证CNN，研究人员在前瞻性临床试验中在三个大学医学中心招募了278例接受脑肿瘤切除或癫痫手术的患者。对患者的脑肿瘤标本进行活检，术中分为姐妹标本，并随机分配至对照组或实验组。

通过控制臂传送的标本-当前的标准做法-被运送到病理实验室，并进行标本处理，技术人员的载玻片制备和病理学家的解释，此过程需要20到30分钟。从图像采集和处理到通过CNN进行诊断预测，均在术中进行实验。

值得注意的是，实验组的诊断错误与对照组的错误是唯一的，这表明使用新技术的病理学家可以达到接近100%的准确度。该系统的精确诊断能力也可能对缺乏专业神经病理学家的医疗中心有益。

纽约大学格罗斯曼分校病理学系副教授Matija Snuderl博士说：“ SRH将通过改善手术过程中的决策制定并在没有受过训练的神经病理学家的医院提供专家水平的评估，从而革新神经病理学领域。”医学和该研究的合著者。

NYU Langone的脑和脊柱肿瘤中心提供尖端治疗

Orringer博士于2019年8月加入NYU Langone，带来了他帮助开发的SRH技术。NYU Langone的大脑和脊柱肿瘤中心是第一个使用Invenio的NIO激光成像系统在东北部提供这种技术的人。

SRH是该中心全面的神经外科成像技术套件的最新成员，可与术中MRI和荧光引导手术协同工作，为NYU Langone的世界一流神经外科医师提供高分辨率的精确指导。

“纽约大学朗格神经外科长期以来一直为我们的患者提供最先进的治疗选择，”医学博士约翰·戈尔菲诺斯(John G. Golfinos)，神经外科教授约瑟夫·兰索霍夫(Joseph P. Ransohoff)说道。“凭借Orringer博士的专业知识和这项改变游戏规则的技术，我们现在甚至可以更好地为最复杂的脑肿瘤病例提供安全的手术和高质量的结果。”