人工智能和激光成像系统识别脑肿瘤

两种方法的结果具有可比性:基于人工智能的诊断准确率为94.6%，而基于病理学家的诊断准确率为93.9%。

该成像技术，刺激拉曼组织学(SRH)，通过收集散射激光，照亮标准组织学图像中不常见的基本特征，揭示肿瘤在人体组织中的浸润。

然后用人工智能对显微图像进行处理和分析，在不到两分半钟的时间内，外科医生就能看到预测的脑肿瘤诊断结果。使用同样的技术，在切除后，他们能够准确地检测和切除其他无法检测到的肿瘤。“作为外科医生，我们只能根据所见采取行动;这项技术可以让我们看到原本看不到的东西，提高手术室的速度和准确性，并减少误诊的风险。”资深作者Daniel A. Orringer医学博士说，他是纽约大学格罗斯曼医学院神经外科副教授，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，癌症手术比以往任何时候都更安全、更有效。”

这项研究是如何进行的

为了构建研究中使用的人工智能工具，研究人员训练了一个深度卷积神经网络(CNN)，使用了来自415名患者的250多万份样本，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。

为了验证CNN，研究人员在前瞻性临床试验中招募了三所大学医学中心的278名接受脑肿瘤切除或癫痫手术的患者。对患者的脑瘤标本进行活检，术中分成姐妹标本，并随机分配到对照组或实验组。

通过控制臂(目前的标准做法)的标本被运送到病理实验室，经过标本处理，由技术人员准备载玻片，并由病理学家解释，这一过程需要20-30分钟。实验臂在术中进行，从图像采集和处理到CNN的诊断预测。

值得注意的是，实验组的诊断错误与对照组的诊断错误是独特的，这表明病理学家使用新技术可以达到接近100%的准确性。该系统的精确诊断能力也可能有利于那些无法接触到专业神经病理学家的中心。
“SRH将彻底改变神经病理学领域在手术过程中通过改善决策和提供的专家级评估在训练有素的神经病理学家的医院并不可用,“说Matija Snuderl,医学博士,纽约大学病理学系的副教授格罗斯曼医学院和该研究的作者之一。