共计 938 个字符，预计需要花费 3 分钟才能阅读完成。
FastGlioma 的 AI 驱动技术在脑部手术中检测剩余癌细胞组织，提高准确性和手术效果。
FastGlioma 通过提供更快、更易获取和更精确的解决方案填补了这一空白。
亮点
- FastGlioma AI 工具改善了脑肿瘤手术效果。
- 该技术快速且准确地检测癌细胞组织。
- AI 模型显示出在更广泛癌症治疗应用中的潜力。
一项名为 FastGlioma 的突破性人工智能工具已被开发出来，使外科医生能够在手术中 10 秒内检测残留恶性脑肿瘤。这一创新在《自然》杂志最近的一项研究中详细介绍，被视为神经外科领域的重大进步，超越了传统的肿瘤检测方法。密歇根大学和旧金山加利福尼亚大学的研究人员领导了这项研究，强调了其改善弥漫性胶质瘤患者手术效果的潜力。
密歇根大学健康中心的神经外科医生 Todd Hollon 博士将 FastGlioma 描述为一个变革性的诊断工具，提供了一种更快、更准确的方法来识别肿瘤残留物。他指出，该工具能够减少对当前方法的依赖，如术中 MRI 或荧光成像剂，这些方法通常不易获取或不适用于所有肿瘤类型。
手术中处理残留肿瘤
根据密歇根大学医学部的研究，残留肿瘤，通常类似于健康脑组织，是神经外科中的一个常见挑战。外科医生传统上难以区分健康脑组织和剩余的癌细胞组织，导致肿瘤切除不完全。FastGlioma 通过结合高分辨率光学成像和人工智能，快速准确地识别肿瘤浸润，解决了这一问题。
在一项国际研究中，该模型在 220 名低级别或高级别弥漫性胶质瘤患者的标本上进行了测试。FastGlioma 的平均准确率达到 92%，显著优于传统方法，后者对高风险肿瘤残留物的漏检率更高。UCSF 神经外科教授、共同资深作者 Shawn Hervey-Jumper 博士强调了该工具在提高手术精度的同时，减少对成像剂或耗时程序的依赖的能力。
癌症手术的未来应用
FastGlioma 基于基础模型，这是一种在大量数据集上训练的 AI，允许在各种任务中进行适应。该模型显示出在其他癌症中的应用潜力，包括肺癌、前列腺癌和乳腺癌，而无需进行广泛的再训练。
密歇根大学神经外科主席 Aditya S. Pandey 博士确认了其在改善全球手术效果中的作用，与将 AI 整合到癌症手术中的建议相一致。研究人员的目标是将其应用扩展到更多肿瘤类型，可能重塑全球癌症治疗的方法。
