共计 1312 个字符，预计需要花费 4 分钟才能阅读完成。
加州大学旧金山分校，2024 年 11 月 13 日
人工智能技术为脑肿瘤患者带来了提高生存率的新希望。
最新进展
一种基于人工智能的诊断系统揭示了在脑肿瘤手术中可能无法看到的癌变组织。这使得神经外科医生能够在患者仍处于麻醉状态时将其切除，或通过靶向疗法治疗。
为何重要
- 脑肿瘤可能从看不见的癌细胞中重新生长。
- 新技术在 96.2% 的情况下能够检测到高风险残留肿瘤，而传统方法的这一比例为 76%。
- 这些人工智能技术可能被用于其他癌症的手术中。
当脑肿瘤复发时，生存率下降，最致命的肿瘤类型患者通常在一年内死亡。这是因为初次手术后留下了癌变组织，并继续生长，有时甚至比原发肿瘤生长更快。
现在，由加州大学旧金山分校和密歇根大学领导的一项新研究表明，使用一种人工智能驱动的诊断工具可以帮助神经外科医生识别附近扩散的隐形癌症。该技术有可能延迟高级别肿瘤的复发，并预防低级别肿瘤的复发。
根据该研究，类似的人工智能技术将在乳腺癌、肺癌、前列腺癌以及头颈部癌症的手术中进行测试，该研究于 11 月 13 日发表在《自然》杂志上。
“这项技术将提高我们识别肿瘤的能力，并有望通过切除额外肿瘤来提高生存率。该模型为医生提供了实时、准确且具有临床可操作性的诊断信息，在组织活检后的几秒钟内即可获得。”
Shawn Hervey-Jumper 博士，加州大学旧金山分校神经外科系和 Weill 神经科学研究所的高级作者
该工具由加州大学旧金山分校开放源代码并获得专利，名为 FastGlioma，尚未获得美国食品药品监督管理局的批准。
在研究中，神经外科医生检查了 220 名高级别和低级别弥漫性胶质瘤患者的肿瘤样本，这是最常见的成人脑肿瘤类型。他们发现，应用 FastGlioma 的患者中，3.8% 的患者有高风险残留组织，而未应用该工具的患者中，这一比例为 24%。
相关报道
“FastGlioma 有可能通过立即改善胶质瘤患者的综合管理来改变神经外科领域，”密歇根大学神经外科系的高级作者 Todd Hollon 博士说。“该技术比目前肿瘤检测的标准护理方法更快、更准确，并且可以推广到其他儿科和成人脑肿瘤的诊断中。”
FastGlioma 通过将人工智能的预测能力与受激拉曼组织学（SRH）相结合，SRH 是一种在床边在一到两分钟内可视化新鲜组织样本的成像技术。这消除了病理实验室中对肿瘤细胞进行耗时的处理和解读。
该人工智能系统在超过 11,000 个肿瘤样本和 400 万张显微镜图像的数据集上进行了“训练”。这使得它能够以高精度对图像进行分类，并区分肿瘤和健康组织。神经外科医生在 10 秒内即可获得诊断信息，使他们能够在需要时继续手术。
“如果无法进行切除残留细胞的手术，可以立即考虑其他治疗选项，”Hervey-Jumper 说。“这些选项包括局部疗法，如通过导管直接向大脑输送的放射治疗或靶向化疗。”
来源： 加州大学旧金山分校
期刊参考：
Kondepudi, A., 等. (2024). 用于快速、无标记检测胶质瘤浸润的基础模型。《自然》。doi.org/10.1038/s41586-024-08169-3.
