人工智能术中诊断快准狠 未来将造福于更多的癌症患者

术中快速冰冻的应用很大程度上改善了术中决策，提高了手术成功率，但与术后病理相比，仍然存在一定的差异。准确的组织病理学诊断对于提供最佳的脑瘤手术治疗至关重要。术中决策和手术目标因肿瘤病理而异，而现有的术中组织学检查方法耗时、费力，且受人工因素影响，限制了病理分析。对于临床医生来说，寻找精准而快速的术中诊断方法是当务之急。

近日，纽约大学朗格尼医学中心刊登在Nature medicine的一篇文章给临床医生以新的曙光：研究人员发现了一种快速而又准确的术中诊断方法：人工智能联合光学成像可在150秒内快速进行脑部肿瘤的诊断，且准确率高达94.6%，精准率超过术后病理诊断（93.9%）！

这项新技术是由受激拉曼组织学（SRH）联合无标签光学成像和深度卷积神经网络进行的，而SRH是在受激拉曼散射显微镜的基础上进行的，该显微镜开发于2008年，可快速、精准探测脑瘤组织，从而帮助外科医生更加安全、有效地实施切除手术。

这一新型成像技术是一种无标记技术，不需要引入染料、荧光分子或荧光蛋白等标记物，可以直接探测样品本身的光谱信号。它利用脂质、蛋白质和核酸的固有振动特性来产生图像对比度，揭示了术后病理难以可视化的诊断显微镜特征和组织学发现，同时消除了冰冻或涂片组织制剂中固有的伪影。

在本次研究中，密歇根大学的研究人员使用的受激拉曼散射显微镜是经过改良的临床版本。

为了构建研究中使用的人工智能工具，研究人员联合使用了无标签光学成像和深度卷积神经网络（CNN），该网络包含来自415名患者的10万多份样本，可将组织分为13个组织学类别，代表最常见的脑肿瘤，包括恶性胶质瘤、淋巴瘤、转移性肿瘤和脑膜瘤。

为了进一步验证CNN的准确性，研究人员招募了278名接受脑肿瘤切除或癫痫手术的患者，分别在三个大学医学中心进行前瞻性临床试验。对这些患者的脑肿瘤标本进行活检，术中进行标本分离，并随机分配到对照组或实验组，实验组采用新技术进行诊断，在术中进行，从图像采集、处理到通过CNN进行诊断预测。而对照组则采用常规组织病理学方法进行诊断。最终在250万张图像上进行了新技术的训练使用，结果发现，两者的诊断结果竟基本无异。

基于组织病理的诊断准确率为93.9％，而基于AI的诊断准确率为94.6％！

该新系统的实施，是NYU Langone将人工智能整合到临床实践中以改善癌症诊断的质的突破。SRH是全面的神经外科成像技术套件的前沿技术，可与术中MRI和荧光引导手术协同工作，为世界神经外科医生提供高分辨率的精确术中指导，提高肿瘤切除率与安全性。相信假以时日，该技术将造福于更多的癌症患者。

参考文献

Todd C. Hollon， Balaji Pandian， Arjun R. Adapa Near real-time intraoperative brain tumor diagnosis using stimulated Raman histology and deep neural networks