光學成像和人工智能使大腦腫瘤的診斷更快，更準確。

由于集成了新系統，神經外科醫生如今可以使手術室對患者的腦瘤診斷比以往任何時候都更有信心，這將使他們能夠近乎實時地快速查看診斷組織和腫瘤邊緣。

密歇根醫學的外科醫生說，隨著努力將深度學習和計算機視覺結合起來以加快整個過程的速度，準確性和精確度將繼續提高。在手術室里，更快也意味著更實惠。

密歇根醫學(Michigan Medicine)的首席神經外科住院醫師Todd Hollon醫學博士 在《自然醫學》(Nature Medicine)的新出版物中 描述了一種 分為兩部分的方法來提高術中診斷的準確性和效率。

Hollon以及紐約大學Langone Health神經外科副教授Daniel Orringer博士及其同事報告了密西根醫學院開發的一種名為“刺激拉曼組織學(SRH)”技術的最新應用，該技術可在以下位置快速生成腫瘤組織圖像：床頭。這意味著神經病理學家無需病理實驗室即可查看圖像，從而消除了傳統處理，染色和解釋所需的漫長等待時間。

研究人員還使用一種稱為深度卷積神經網絡的人工智能算法來學習10種最常見的腦癌的特征并預測診斷。外科醫生在床邊幾分鐘之內即可獲得診斷預測，其準確性與傳統方法相當。

該出版物的主要作者霍隆說：“這是評估手術室中人工智能使用情況的首個前瞻性試驗。” “我們已經執行了基于AI的工作流程的臨床翻譯。”

診斷無延遲

因腦腫瘤手術而住院的患者通常并不確切知道自己患有哪種腫瘤，只需要進行手術即可。整個OR團隊在獲取并處理了要實際遞送給專家神經病理學家的標本之后，也必須等待答案。在收到病理學家的反饋之前，外科醫生無法確定如何處理病例。

Hollon說：“涉及的時間太長了。”

但是，當圖像是數字圖像并且在幾分鐘之內出現時，可以在手術室中快速使用它來告知患者護理情況。

Hollon說：“它是如此之快，以至于我們可以從患者床旁直接對許多標本進行成像，并更好地判斷我們在切除腫瘤方面取得了多大的成功。”

密歇根醫學公司最近首次商業購買了用于進行SRH顯微鏡檢查的技術。外科醫生已經在500多名患者上使用了成像儀，作為神經外科和耳鼻喉科的一線診斷工具，預計不久將有更多的專業領域開始使用它們。

Hollon說：“外科醫生和病理學家會根據他們過去的方式來確定他們是否可以使用SRH圖像進行診斷，或者是否需要將其他組織發送到病理實驗室。”

在另一種用途中，作者希望SRH技術有一天可以使資源貧乏的醫院輕松地與學術醫療中心的同事就疑難病例進行咨詢。

數字協作輔助

盡管有很多值得慶祝的事情，但是腦外科醫師承認，對于某些類型的腦癌(例如膠質母細胞瘤)患者而言，結果仍然差得令人無法接受。研究人員說，必須在手術室中做出可靠的決策，并在外科醫師和神經病理學家之間建立牢固的伙伴關系，以取得最佳的結果。

那就是人工智能的來歷。

Hollon在來自415位患者的250萬張去識別圖像上訓練了卷積神經網絡(CNN)，這些圖像是通過刺激的拉曼組織學方法獲得的，并專注于更常見的腦腫瘤類型。

研究人員隨后對來自三個機構的278名患者進行了測試。他們從每位患者身上分離出一個樣本：一個樣本以常規方式進行染色和處理，然后交付病理醫生進行診斷;第二，用SRH成像并通過神經網絡進行診斷診斷。

基于CNN的方法實際上具有可比的診斷準確性，為94.6%，而傳統組織學為93.9%。

Hollon說：“我們正在改變腦部腫瘤的診斷方法。” “這是一個高度標準化的工具，可以為廣泛的腦腫瘤患者提供準確的診斷。”

Hollon指出，CNN正確識別了病理學家的誤診，而病理學家正確地識別了AI的誤診，表明這兩種方法是協同的。

他說：“這是幫助病理學家和外科醫生在手術室做出重要決定的同時增加確定性的另一種方式。”

研究人員還使用該系統來幫助它學習罕見的診斷。

Hollon說，雖然密歇根醫學小組已經在利用術中診斷，但在未來幾年中有可能在臨床實踐中使用CNN。

“我們的研究報告的結果代表了密歇根醫學公司歷時9年的旅程的高潮，該旅程旨在開發和實施更好的腦腫瘤手術方法-一種利用光學和人工智能決策的進展-做出更安全，更有效的決策該文章的高級作者Orringer說。

這一切始于Orringer在密歇根大學(Michigan Medicine)從事神經外科手術之初，進行了關鍵工作以開發小鼠模型中的SRH，后來在密歇根醫學(Michigan Medicine)手術室中使用了第一臺SRH成像儀。此后，該團隊開發了一種SRH成像儀，該成像儀快速，移動，用戶友好并已在FDA注冊。