共计 948 个字符，预计需要花费 3 分钟才能阅读完成。
哈佛医学院的研究团队近日开发出一款名为 PICTURE 的人工智能工具，能够有效区分两种外观相似但性质迥异的脑部癌症。这一突破性进展有望显著提高脑肿瘤的诊断准确率，为患者提供更及时、更精准的治疗方案。
PICTURE 全称为 ’ 病理图像特征化工具，具备不确定性感知的快速评估 ’，其核心功能是区分胶质母细胞瘤和原发性中枢神经系统淋巴瘤（PCNSL）。胶质母细胞瘤是最常见且最具侵袭性的脑肿瘤，而 PCNSL 则是一种相对罕见但常被误诊的癌症。尽管两者在显微镜下表现相似，但它们的起源截然不同：胶质母细胞瘤源于脑细胞，而 PCNSL 则来自免疫细胞。这种相似性往往导致误诊，进而影响治疗效果。
- 
- 
- 
- 
- 
- 
该研究获得了美国国立卫生研究院的支持，相关成果已于 9 月 29 日发表在《自然·通讯》期刊上。研究团队表示，该 AI 模型已公开供科学界使用和改进。
在神经肿瘤学领域，正确识别外观相似的脑部肿瘤一直是最具挑战性的诊断难题之一。特别是在手术过程中，快速准确的诊断至关重要。对于胶质母细胞瘤，手术切除是首选治疗方案；而对于 PCNSL，放疗和化疗则更为有效。误诊可能导致不必要的手术或延误正确治疗，对患者造成严重后果。
PICTURE 的独特之处在于其能够在手术过程中实时部署，为外科医生和病理学家提供关键诊断信息。研究资深作者、哈佛医学院布莱瓦特尼克研究所生物医学信息学副教授 Kun-Hsing Yu 表示：’ 我们的模型能够通过区分具有重叠特征的肿瘤来最大限度地减少诊断错误，帮助临床医生根据肿瘤的真实身份确定最佳治疗方案。’
在常规脑肿瘤手术中，外科医生通常会切除部分肿瘤组织进行快速冷冻切片检查。这一过程虽然能够提供实时评估，但由于样本在液氮中冷冻可能导致细胞特征轻微扭曲，存在一定误差。通常情况下，初步评估结果将指导外科医生决定是否切除肿瘤或选择其他治疗方案，而更详细的病理分析则需在术后数天内完成。Yu 指出，在大约 5% 的病例中，初次诊断会在二次评估时发生变化。这正是 PICTURE 系统能够发挥关键作用的地方——在手术过程中消除诊断不确定性，降低错误风险。
这一创新工具的推出标志着人工智能在医疗诊断领域的应用迈出了重要一步，有望为脑肿瘤患者带来更精准、更及时的诊疗服务。随着该技术的不断完善和推广，未来或将显著改善脑肿瘤患者的治疗效果和生存质量。
