術中快速冰凍的應用很大程度上改善了術中決策，提高了手術成功率，但與術后病理相比，仍然存在一定的差異。準確的組織病理學診斷對于提供最佳的腦瘤手術治療至關重要。術中決策和手術目標因腫瘤病理而異，而現有的術中組織學檢查方法耗時、費力，且受人工因素影響，限制了病理分析。對于臨床醫生來說，尋找精準而快速的術中診斷方法是當務之急。

近日，紐約大學朗格尼醫學中心刊登在Nature medicine的一篇文章給臨床醫生以新的曙光：研究人員發現了一種快速而又準確的術中診斷方法：人工智能聯合光學成像可在150秒內快速進行腦部腫瘤的診斷，且準確率高達94.6%，精準率超過術后病理診斷（93.9%）！

這項新技術是由受激拉曼組織學（SRH）聯合無標簽光學成像和深度卷積神經網絡進行的，而SRH是在受激拉曼散射顯微鏡的基礎上進行的，該顯微鏡開發于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。它利用脂質、蛋白質和核酸的固有振動特性來產生圖像對比度，揭示了術后病理難以可視化的診斷顯微鏡特征和組織學發現，同時消除了冰凍或涂片組織制劑中固有的偽影。

在本次研究中，密歇根大學的研究人員使用的受激拉曼散射顯微鏡是經過改良的臨床版本。

為了構建研究中使用的人工智能工具，研究人員聯合使用了無標簽光學成像和深度卷積神經網絡（CNN），該網絡包含來自415名患者的10萬多份樣本，可將組織分為13個組織學類別，代表最常見的腦腫瘤，包括惡性膠質瘤、淋巴瘤、轉移性腫瘤和腦膜瘤。

為了進一步驗證CNN的準確性，研究人員招募了278名接受腦腫瘤切除或癲癇手術的患者，分別在三個大學醫學中心進行前瞻性臨床試驗。對這些患者的腦腫瘤標本進行活檢，術中進行標本分離，并隨機分配到對照組或實驗組，實驗組采用新技術進行診斷，在術中進行，從圖像采集、處理到通過CNN進行診斷預測。而對照組則采用常規組織病理學方法進行診斷。最終在250萬張圖像上進行了新技術的訓練使用，結果發現，兩者的診斷結果竟基本無異。

基于組織病理的診斷準確率為93.9％，而基于AI的診斷準確率為94.6％！

該新系統的實施，是NYU Langone將人工智能整合到臨床實踐中以改善癌癥診斷的質的突破。SRH是全面的神經外科成像技術套件的前沿技術，可與術中MRI和熒光引導手術協同工作，為世界神經外科醫生提供高分辨率的精確術中指導，提高腫瘤切除率與安全性。相信假以時日，該技術將造福于更多的癌癥患者。

參考文獻

Todd C. Hollon， Balaji Pandian， Arjun R. Adapa Near real-time intraoperative brain tumor diagnosis using stimulated Raman histology and deep neural networks