近年来，医疗领域已成为人工智能（AI）行业最热门的研究和应用领域之一，AI在病理诊断及医学影像识别领域的应用更是得到了各界的广泛关注。病理诊断作为目前诊断准确性最高的一种诊断方式，往往被作为绝大部分疾病，尤其是癌症的最终诊断，是现代癌症诊疗的基础。但由于病理诊断及医学影像识别领域数据量大、诊断时间长、自动化程度低、医生培养周期长等特性，已经成为制约行业发展的重要因素。而病理诊断基于图像信息的特点使得AI助力病理诊断成为可能，有望解决病理诊断供需不平衡的发展现状。
继上周Nature期刊发布了由谷歌联合DeepMind公司共同开发的一款乳腺癌AI筛查系统后，本周病理AI领域再次取得一项新的研究进展。图：论文发表于Nature Medicine期刊，来源：Nature Medicine 当地时间1月6日，国际顶级医学期刊Nature Medicine期刊在线发表了纽约大学朗格尼医学中心的最新AI病理研究成果：一款在大脑手术中诊断常见脑肿瘤的AI系统。该方法将先进的光学成像技术与AI算法相结合，可以对脑肿瘤进行准确、实时地术中快速诊断，诊断时间缩短至150秒。研究人员将该方法与当前病理分析手段的准确率进行了比较，结果显示基于AI的诊断方法准确率可达94.6％，而病理医生的分析结果准确率为93.9％，两者诊断能力相当。相关论文题为“Near real-time intraoperative brain tumor diagnosis using stimulated Raman histology and deep neural networks”。
脑部肿瘤的诊断和治疗取决于许多因素，而肿瘤样本的神经病理学术中诊断对于神经外科医生如何采用最佳的可能治疗策略具有关键意义。组织病理学诊断的传统方法虽然已实践了几十年并可获得良好结果，但这种方法仍存在一定的局限性。在这方面，受激拉曼组织学（SRH）已经成为一种基于核苷酸、蛋白质和脂质光谱特性来精确区分不同组织特征的方法。这一新型成像技术不需要引入染料、荧光分子或荧光蛋白等标记物，能够直接探测样品本身的光谱信号，可快速、精准探测脑瘤组织，从而帮助外科医生更加安全、有效地实施切除手术。此外，SRH图像的性质，例如蛋白质/脂质比、神经轴突密度和细胞数量可以用于识别脑组织中浸润性肿瘤细胞。图：脑肿瘤SRH图像。来源：纽约大学朗格尼医学中心 在本篇Nature Medicine文章中，研究人员通过SRH检查了人体组织中的肿瘤浸润，从而揭示了标准组织学图像中通常看不到的基本特征。同时，为了构建研究中使用的AI系统，研究人员用来自415位患者的超过250万份样本训练了AI模型，涵盖脑肿瘤中常见的13种组织学类别，包括恶性神经胶质瘤、淋巴瘤、转移性肿瘤和脑膜瘤等。通过将该模型与SRH技术相结合，研究人员成功开发了新一代脑瘤术中快速诊断系统。
为了验证这一系统，研究人员在前瞻性临床试验中招募了278例接受脑肿瘤切除或癫痫手术的患者，并对脑肿瘤标本进行了活检。标本被随机分配至对照组或实验组，分别由病理学家进行分析，或利用新型AI系统进行诊断预测，整个过程均在术中进行。在不到两分半钟的时间内，通过人工智能处理和分析显微图像，外科医生就能收到预测的脑肿瘤诊断结果，同时该系统的诊断结果和病理医生一样准确，大大提高肿瘤诊断速度和效率。据此，作者认为这一模型可为外科医生提供近实时的专家级诊断信息，为更安全、更精确的癌症手术开辟一条新路径。1. 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/s41591-019-0715-92. New imaging system and artificial intelligence algorithm accurately identify brain tumors | 
/3 
浙公网安备33010802005999号 
