药明康德AI/报导
惯例病理陈述周期长，若医师在手术中想要赶快知道肿瘤状况便会选用术中冰冻切片检查，全体耗时将大大缩短至约20-30分钟，可关于在手术台上与时刻和病魔反抗的患者来说，依然绵长，有什么办法能把术中安排病理检查时刻缩至更短呢？
全世界每年约有1520万人被确诊出患有癌症，80%癌症患者均会承受手术医治，数字惊人，传统安排病理学检查便显得更冗杂了。欢喜的是，一项新研讨发现，现在有一种将先进的光学成像与AI相结合的新颖办法能够对脑肿瘤进行精确、实时的术中确诊。
研讨由纽约大学朗格尼医学中心（NYU Langone Medical Center）的专家掌管打开，使用新的AI技能不只能在150秒内快速辨认出病理切片中的脑肿瘤，其确诊才能还与病理专家不相上下。这项研讨于近来宣布在了《天然-医学》上。
传统安排病理学检查流程冗杂，其前史可追溯至一个多世纪前，从安排运送至实验室、处理标本、进行载玻片制备、病理专家解说病理，都有很大的可能是将患者面向逝世的潜在要素。繁则变，变则生。
研讨人员选用SRH（受激拉曼安排学）成像技能，该技能经过受激拉曼散射显微镜，搜集散乱的激光，生成高度模仿传统HE染色病理切片的新图画，提醒人体安排中的肿瘤滋润，从而说明规范安排学图画中一些不常见的特征。
▲弥漫性星形细胞瘤和脑膜瘤的SRH图画（图片来自：DR. DANIEL ORRINGER）
有了这些新图画，就是AI“一展身手”的时刻。显微镜下的已知病灶图画经过计算机聪明“大脑”的剖析，不到150秒，外科医师就能在手术进程中看到AI所猜测的脑肿瘤效果，关于那些隐藏着的病灶，也无法逃脱AI的捕捉，相同也会被及时铲除。AI在手术中的奉献全体概述如此，那么研讨是怎么详细打开的呢？
根据深度学习，研讨人员练习了一个卷积神经网络（CNN），结合SRH成像技能，研讨中患者术中确诊进程分为3个过程：图画收集、图画处理、术中确诊猜测。来自415名患者的超越250多万病理样本被用作样本数据来练习CNN。研讨人员将这些病理安排分类整理成13种最为常见的脑部肿瘤，这中心还包含恶性脑胶质瘤、淋巴瘤、转移性肿瘤、脑膜瘤等。
▲“SRH+CNN”形式简化传统病理检查流程，时刻从20-30分钟大大缩短至150秒内（图片来自：参阅资料[2]）
树立相关算法后，研讨人员需求对算法进行验证。他们分别在密西根大学医院（Michigan Medicine）、纽约长老会医院/哥伦比亚大学欧文医学中心（Columbia University Irving Medical Center）以及迈阿密大学卫生系统（University of Miami Health System）三所大学医学中心招募了需求承受脑肿瘤切除手术或癫痫手术的患者进行前瞻性临床试验。
他们对这些患者的脑肿瘤标本进行活检，并随机分配到对照组或实验组。实验组的肿瘤标本选用SRH成像技能，确诊由CNN进行，“SRH + CNN”结合形式使AI辨认脑肿瘤病灶正确率为94.6%；对照组的肿瘤标本则是经过惯例的冷冻切片和细胞涂片技能进行细心的检测，并由病理学家进行解说，全体确诊正确率为93.9%。
▲“SRH+CNN”确诊形式vs惯例HE安排学前瞻性临床试验（图片来自：参阅资料[2]）
有必要留意一下的是，尽管实验组和对照组均有过错确诊的状况，但其过错均不相同，这也就从另一方面代表着当病理学家在日常工作中参阅“SRH+CNN”AI模型的确诊定见，那么关于肿瘤的全体检查精确率会挨近100%。此外，研讨团队还发现人工智能模型经过语义切割办法，能将病灶安排、肿瘤未滋润的区域、以及非确诊区域区别开来。
关于外科医师来说，这项技能则能够让他们见到肉眼所不行见的、简单被忽视的病灶，一起还能尽早防治。这不只提高了医师的工作效率，更是减少了不必要的手术危险。
这项研讨是纽约大学朗格尼医学中心在临床中整合人工智能才能，改善癌症确诊的最新效果。该研讨中心已在肺癌、乳腺癌等多癌症范畴获得不少发展，咱们期待在未来的临床医学中，AI能真实发挥其功效，造福人类。
题图来历：Pixabay
参阅资料（可上下滑动检查）
[1] New imaging system and artificial intelligence algorithm accurately identify brain tumors Retrieved Jan 10, 2020 from https://medicalxpress.com/news/2020-01-imaging-artificial-intelligence-algorithm-accurately.html
[2] Hollon, T.C., Pandian, B., Adapa, A.R. et al. Near real-time intraoperative brain tumor diagnosis using stimulated Raman histology and deep neural networks. Nat Med (2020) doi:10.1038/s41591-019-0715-9
点“在看”，共享AI健康新动态
