美國密歇根大學和加利福尼亞大學舊金山分校領(lǐng)導的研究人員開發(fā)出一款名為FastGlioma的人工智能（AI）模型。在腦手術(shù)中，該模型僅用10秒就判斷出是否還有殘留的癌性腫瘤。在識別腫瘤殘留方面，F(xiàn)astGlioma的表現(xiàn)遠超傳統(tǒng)方法，有望給神經(jīng)外科領(lǐng)域帶來變革。研究成果發(fā)表在最新一期《自然》雜志上。

在腦瘤切除手術(shù)中，很少能切除完全。有些殘留部分與健康腦組織十分相似，常常成為“漏網(wǎng)之魚”，而目前醫(yī)生用于定位腫瘤殘留的方法，均有一定的局限性。

FastGlioma將顯微光學成像與一種稱為基礎(chǔ)模型的AI相結(jié)合。研究人員使用超過11000份手術(shù)樣本和400萬個顯微圖像對視覺基礎(chǔ)模型進行了預訓練。這些腫瘤樣本通過受激拉曼組織成像拍攝，這是一種由密歇根大學開發(fā)的快速、高分辨率光學成像方法。

經(jīng)過訓練，F(xiàn)astGlioma可以在缺乏大型標記數(shù)據(jù)集的情況下檢測腫瘤殘余組織。由FastGlioma預測指導的手術(shù)僅在3.8%的情況下遺漏了高風險腫瘤殘余，而利用圖像和熒光引導的手術(shù)遺漏率接近25%。

使用受激拉曼組織成像獲取全分辨率圖像大約需要100秒；而“快速模式”下的低分辨率圖像則僅需10秒。結(jié)果顯示，F(xiàn)astGlioma以平均約92%的準確率檢測并計算了腫瘤殘余量。

研究人員表示，這意味著以后可以在幾秒鐘內(nèi)以極高的準確率檢測到腫瘤浸潤，幫助外科醫(yī)生判斷手術(shù)中是否需要進一步切除。

與當前腫瘤檢測的標準治療方法相比，F(xiàn)astGlioma利用AI快速識別微觀分辨率下的腫瘤浸潤，從而大大降低了在切除區(qū)域遺漏腫瘤殘余的風險。利用該模型還能最大程度減少對放射成像、對比增強或熒光標記的依賴，并推廣到其他腦腫瘤診斷中。