1月6日，國際醫學科研期刊《自然醫學》（Nature Medicine）在線刊登紐約大學朗格尼醫學中心最新研究成果：一款在大腦手術中診斷常見腦腫瘤的人工智能模型，診斷能力與病理醫生相當。

這篇論文題為《使用受激拉曼組織學和深度神經網絡進行近實時術中腦腫瘤診斷》（Near real-time intraoperative brain tumor diagnosis using stimulated Raman histology and deep neural networks）。

在一些腦腫瘤手術中，術中切除的腫瘤組織會被送往病理學實驗室，由病理學醫生對其進行切片、染色、觀察和分析。大約需等待30至40分鐘，手術室里的神經外科醫生才能得到病理學分析結果，據此決定下一步手術流程。以美國為例，每年有超過110萬份腫瘤樣本需要活檢，但病理醫生的人手卻不夠。

為提高術中診斷速度、彌補醫生人手不足，Daniel A. Orringer團隊致力于腦瘤的術中快速診斷。

2017年初，《自然-生物醫學工程》（Nature Biomedical Engineering）期刊報道了Orringer當時所屬的密歇根大學醫學院率先在手術室中使用受激拉曼組織學方法提高腫瘤診斷速度和效率。

受激拉曼組織學背后的技術是受激拉曼散射顯微鏡，開發于2008年，可快速、精準探測腦瘤組織，從而幫助外科醫生更加安全、有效地實施切除手術。這一新型成像技術是一種無標記技術，不需要引入染料、熒光分子或熒光蛋白等標記物，可以直接探測樣品本身的光譜信號。密歇根大學使用的受激拉曼散射顯微鏡是經過改良的臨床版本。

當時的方案結合機器學習，能在30個患者樣本中以90％的準確率判斷腦腫瘤亞型。研究第一作者Orringer稱，該方案“將術中診斷過程從30分鐘減少至約3分鐘”。

三年后，在《自然醫學》的這項最新研究中，Daniel A. Orringer及其同事升級的人工智能算法可以對10種最常見腦癌手術樣本進行分類，診斷時間縮短至150秒。他們在250多萬張圖像上訓練人工智能模型，結合激光光學成像技術推出新一代腦瘤術中快速診斷方案。作者表示，在一項涉及三家醫院共278名腦瘤患者的臨床試驗中，用該模型做出的診斷和病理醫生的診斷一樣準確。

據此，作者認為這一模型可為外科醫生提供近實時的專家級診斷信息，為更安全、更精確的癌癥手術開辟一條新路徑。

(本文來自澎湃新聞，更多原創資訊請下載“澎湃新聞”APP)