研究人员找到了一种方法，可以使用人工智能在 90 秒内检查危险脑肿瘤的基因变化，这可以提高胶质瘤诊断和治疗的效率。
(资料图片)
Michigan Medicine 的神经外科医生和工程师开发了 DeepGlioma，这是一种基于人工智能 (AI) 的诊断筛查系统，它使用快速成像来分析手术期间采集的肿瘤标本并更快地检测基因突变。在对 150 多名患有弥漫性胶质瘤(最常见和致命的原发性脑肿瘤)的个体进行的研究中，这种新创建的方法发现了世界卫生组织用来建立该病症分子亚组的突变，平均准确度超过 90%。
有什么症状?
颅内肿瘤患者可能会出现不同的症状和疾病阶段。有些在发育早期就显示出临床症状，而另一些尽管体型大，但影响很小。对于30% 的英国脑肿瘤患者的诊断延迟，一种可能的解释是该疾病的异质性表现。
人工智能的改进将导致更准确的早期诊断。由于在渗透血脑屏障并进入更广泛循环的肿瘤微环境中分泌各种肿瘤特异性分子，所有属于“脑肿瘤”总称的多种病理学都会在常规血液检查中留下独特的指纹. 由于它们的微妙性，标准血液测试中的这些变化非常适合 ML 分析。据观察，在识别血液学问题方面，ML 模型比临床医生做得更好。例如，Podnar 等人。采用机器学习算法在症状发作时检测脑肿瘤，以确定常规血液检测的微小变化。
核磁共振扫描怎么样?
包括 MRI 在内的神经影像学仍然是诊断脑肿瘤的金标准。Brown 等人创建的自然语言处理 ML 算法。读取 MRI 大脑请求，然后选择最佳 MRI 大脑成像序列以生成最高质量的图像以供临床使用。人工智能的影响可能早在放射图像创建之前就开始了。机器学习算法在很大程度上超越了放射科医生的序列选择。虽然放射科医生通常会就成像序列做出决定，但在协议过程中存在不准确的空间。
同样，放射科医师的时间和图片解释在工作时间内被放射科医师的序列问题打断。使用基于 ML 的序列确定算法对 MRI 序列协议进行标准化可能会增加所生成图像的治疗效用。此外，研究人员还发现，在多形性胶质母细胞瘤等极其罕见的情况下，ML 技术比放射科医生的序列选择表现更好。
外科医生如何处理它?
脑肿瘤患者通常从手术开始，尽可能多地切除。所以，这是因为可以更清楚地界定肿瘤和健康脑组织之间的界限，并且可以使用在手术过程中采集和分析的肿瘤样本来更准确地诊断肿瘤本身。
然而，外科医生和患者必须等待术中病理检查的结果，因为样本必须由病理学家处理、染色和检查。最近的一项研究表明，通过将先进的成像技术与人工智能 (AI) 相结合，可以在手术过程中在不到三分钟的时间内准确诊断出脑肿瘤。该方法还可以准确地区分肿瘤和健康组织。
标签：
