《自然》子刊：繁则变，变则生！150秒内AI准确诊断脑部肿瘤

药明康德AI/报道

常规病理报告周期长，若医生在手术中想要尽快知道肿瘤情况便会采用术中冰冻切片检查，整体耗时将大大缩短至约20-30分钟，可对于在手术台上与时间和病魔抗争的患者来说，仍然漫长，有什么办法能把术中组织病理检查时间缩至更短呢？

全世界每年约有1520万人被诊断出患有癌症，80%癌症患者均会接受手术治疗，数字惊人，传统组织病理学检查便显得更繁杂了。欣喜的是，一项新研究发现，现在有一种将先进的光学成像与AI相结合的新颖方法可以对脑肿瘤进行准确、实时的术中诊断。

研究由纽约大学朗格尼医学中心（NYU Langone Medical Center）的专家主持展开，通过研究他们发现AI不仅能在150秒内快速识别出病理切片中的脑肿瘤，其诊断能力还与病理专家平分秋色。这项研究于近日发表在了《自然-医学》Nature Medicine子刊上。

传统组织病理学检查流程繁杂，其历史可追溯至一个多世纪前，从组织运送至实验室、处理标本、进行载玻片制备、病理专家解释病理，都有可能是将患者推向死亡的潜在因素。繁则变，变则生。

研究人员采用SRH（受激拉曼组织学）成像技术，该技术通过受激拉曼散射显微镜，收集散乱的激光，生成高度模拟传统的HE染色病理切片的新图像，从而揭示人体组织中的肿瘤浸润，进而阐明标准组织学图像中一些不常见的特征。

▲ 弥漫性星形细胞瘤和脑膜瘤的SRH图像（图片来源：DR. DANIEL ORRINGER）

有了这些新图像，便是AI“一展身手”的时刻。显微镜下的已知病灶图像经过计算机聪明“大脑”的分析，不到150秒，外科医生就能在手术过程中看到AI所预测的脑肿瘤结果，对于那些隐藏着的病灶，也无法逃脱AI的捕捉，同样也会被及时清除。AI在手术中的贡献整体概述如此，那么研究是如何具体展开的呢？

基于深度学习，研究人员训练了一个卷积神经网络（CNN），结合SRH成像技术，研究中患者术中诊断过程分为3个步骤：图像采集、图像处理、术中诊断预测。来自415名患者的超过250多万病理样本被用作样本数据来训练CNN。研究人员将这些病理组织分类整理成13种最为常见的脑部肿瘤，其中包括恶性脑胶质瘤、淋巴瘤、转移性肿瘤、脑膜瘤等。

▲ “SRH+CNN”模式简化传统病理检查流程，时间从20-30分钟大大缩短至150秒内（图片来源：参考资料[2]）

建立相关算法后，研究人员需要对算法进行验证。他们分别在密歇根大学医院（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要接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。实验组的肿瘤标本采用SRH成像技术，诊断由CNN进行，“SRH + CNN”结合模式使AI识别脑肿瘤病灶正确率为94.6%；对照组的肿瘤标本则是通过常规的冷冻切片和细胞涂片技术进行检测，并由病理学家进行解释，总体诊断正确率为93.9%。

▲“SRH+CNN”诊断模式vs常规HE组织学前瞻性临床试验（图片来源：参考资料[2]）

值得注意的是，虽然实验组和对照组均有错误诊断的情况，但其错误均不相同，这也就意味着当病理学家在日常工作中参考“SRH+CNN”AI模型的诊断意见，那么对于肿瘤的整体检查准确率会接近100%。此外，研究团队还发现人工智能模型通过语义分割方法，能将病灶组织、肿瘤未浸润的区域、以及非诊断区域区分开来。

对于外科医生来说，这项技术则可以让他们见到肉眼所不可见的、容易被忽视的病灶，同时还能尽早防治。这不仅提高了医生的工作效率，更是减少了不必要的手术风险。

这项研究是纽约大学朗格尼医学中心在临床中整合人工智能能力，改进癌症诊断的最新成果。该研究中心已在肺癌、乳腺癌等多癌症领域取得不少进展，我们期待在未来的临床医学中，AI能真正发挥其效用，造福人类。

题图来源：Pixabay

参考资料（可上下滑动查看） 

[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

版权说明：欢迎个人转发至朋友圈，谢绝媒体或机构未经授权以任何形式转载至其他平台。转载授权请在「药明康德AI」微信公众号后台回复“转载”，获取转载须知。

更多文章精选

点击图片阅读：进入哈利波特的世界，会说话的蒙娜丽莎什么样？

点击图片阅读：3D生物打印实现器官完全“自主存活”还要多久？

点击图片阅读：梅奥诊所算法工程师：医疗AI从理论到实践的“最后一英里”有多远？

点“在看”，分享AI健康新动态