脑外科医生经常在整个肿瘤切除过程中努力做出关键决定。
现在，荷兰科学家推出了一种人工智能工具来帮助手术中的决策过程，为外科医生提供对肿瘤类型和亚型的超快洞察。
根据最近的一项 发表在《自然》杂志上的研究人工智能检查肿瘤DNA的特定片段，识别不同的化学结构。
这项分析提供了对肿瘤类型和可能的亚型的见解。这些及时的信息可以指导外科医生进行外科手术。
UMC Utrecht副教授Jeroen de Ridder说：“手术时就知道肿瘤亚型是必要的。”“我们现在独特的实现是允许这种非常细粒度，强大，详细的诊断已经在手术期间进行。
他们的深度学习系统名为鲟鱼，受到了严格的测试。在某些初始测试中，由于数据不明确，人工智能没有进行诊断。
总体而言，研究人员在25次手术中展示了该模型的实时有效性，实现了不到90分钟的快速诊断周转时间，比传统方法快得多。 72%的诊断是正确的，但7个没有达到所需的置信阈值。
虽然标准的诊断过程涉及脑肿瘤样本的显微镜检查，但全面的基因测序提供了更深入的见解。然而，正如约翰霍普金斯大学的艾伦·科恩博士强调的那样，“我们必须在不知道我们在治疗什么的情况下开始治疗。
德里德博士进一步解释了人工智能的能力：“它可以自己找出自己在看什么，并做出强有力的分类。”
不过，一些挑战依然存在。肿瘤内的变异性、样本大小和某些难以捉摸的肿瘤可能会造成困难。在这一点上，一项研究的合著者Marc Pagès—Gallego提供了一些关于他们如何驾驭这些问题的背景。
伦敦大学学院的Sebastian Branchan博士评论了这些实用性，声称“实施本身并不像人们经常建议的那样简单。
虽然该工具代表着向前迈出了一大步，但它确实有其局限性。
一S·科恩博士承认：“我们已经取得了一些进展，但在治疗方面没有在对肿瘤分子图谱的了解方面取得进展。”
更多关于这项研究的信息
这项名为“鲟鱼”的创新工具利用深度学习来加强脑肿瘤的术中分类，从而有助于更好地做出手术决策。
该模型被设计为在对肿瘤类型和亚型进行分类时“超快速”。
- 挑战： 由于有限的测序时间和不确定的数据覆盖范围，手术期间对肿瘤进行分类是困难的。
- 鲟鱼溶液：这个深度学习系统使用从广泛可用的甲基化阵列数据中获得的数据，这些数据用于描述脑肿瘤。斯特金将密集的计算任务外包，以最大限度地减少手术期间的计算资源。
- 性能：该模型显示了一致的结果，但通常没有考虑到肿瘤内的多样性。在72%的外科测试中，它提供了正确的诊断。
- 未来发展： 随着获取更多数据，Sturgeon的数据将得到增强，尽管由于隐私问题而导致的数据共享限制使得跨机构学习变得棘手。
- 限制：一个潜在的限制是所需的组织数量。该模型需要约5x5x5 mm的样本大小才能获得最佳结果，但已从较小的样本中成功提取了足够的DNA。
关键的是，使用Sturgeon，肿瘤诊断结果可以在90分钟内实现，与手术时间表保持一致。这使外科医生能够实时洞察，使他们能够在手术期间做出更好的决策。
根据这项研究，虽然鲟鱼的数据是有益的，但它最好与训练有素的病理学家的评估一起使用。
斯特金加入了今年创建的众多面向医学的尖端人工智能模型，展示了这项技术改变医疗保健结果的能力。
