脑瘤是大脑中生长的大量异常细胞。仅在2016年,全国际就有33万例脑癌病例和22.7万例相关死亡。早期检测对好转患者预后至关重要,在一组研究人员的帮助下,他们开发了一种新的成像技术和人工智能算法,可以帮助医生准确地识别脑肿瘤。
检测脑肿瘤
发表在《Nature Medicine》杂志上的这项研究揭示了一种结合现代光学成像和人工智能算法的新方法。纽约大学(New York University)的研究人员研究了机器学习在对脑肿瘤进行精确、实时的术中诊断方面的准确性。
以往诊断脑肿瘤的方法是及时对加工组织进行苏木精和伊红染色。此外,对这些发现的解释依赖于对标本进行检查的病理学家。研究人员希望这种新方法能提供更好、更准确的诊断,有助于立即启动合适的治疗。
在癌症治疗中,癌症越早被诊断出来,肿瘤医生就能越早开始治疗。在大多数情况下,早期发现可好转健康结果。研究人员发现,他们的新检测方法的准确率为94.6%,相比之下,基于病理的解释的准确率为93.9%。
成像技术
研究人员使用了一种被称为刺激拉曼组织学(SRH)的新成像技术,它可以显示人体组织中的肿瘤浸润。该技术收集散射激光,并强调在许多人体组织图像中通常看不到的特征。
科学家们利用人工智能算法对这些新图像进行处理和研究。在短短2分30秒内,研究人员得出了脑瘤的诊断结果。脑癌的快速检测不有助于早期诊断,而且有助于实施快速合适的治疗计划。早期发现癌症,治疗可能更合适地杀死癌细胞。
研究小组还利用该技术,准确地识别和清除了传统方法无法检测到的无法检测到的肿瘤。
“作为外科医生,我们只能根据眼前的情况行事;这项技术可以让我们看到原本看不见的东西,提高手术室的速度和准确性,并降低误诊的风险。有了这种成像技术,癌症手术比以往任何时候都更顺利、更合适。”
研究结果
这项研究是对研究团队的各种想法和努力的总结。首先,他们通过训练深度卷积神经网络(CNN)构建了人工智能算法,CNN包含了来自415名患者的250多万份样本。该方法帮助他们将组织样本分成13类,代表较常见的脑瘤类型,如脑膜瘤、转移性肿瘤、恶性胶质瘤和淋巴瘤。
为了验证,研究人员招募了在三所大学医疗中心接受脑瘤切除术或癫痫手术的278名患者。对脑组织肿瘤标本进行检查和活检。研究人员将样本分成两组——对照组和实验组。
研究小组指定对照组在病理实验室进行传统处理。整个过程耗时20 ~ 30分钟。另一方面,对实验组进行了术中测试和研究,从图像获取到CNN对检查进行处理。
在实验组和对照组中都有明显的错误,但彼此不同。新工具可以帮助中心检测和诊断脑肿瘤,特别是那些没有的神经病理学家。
纽约大学格罗斯曼医学院病理学系副教授Matija Snuderl博士解释说:“SRH将通过改进手术决策和在缺乏训练有素的神经病理学家的医院提供专家级评估,完全改变神经病理学领域。”