美國密歇根大學和加利福尼亞大學舊金山分校領導的研究人員開發出一款名為FastGlioma的人工智能(AI)模型。在腦手術中，該模型僅用10秒就判斷出是否還有殘留的癌性腫瘤。在識別腫瘤殘留方面，FastGlioma的表現遠超傳統方法，有望給神經外科領域帶來變革。研究成果發表在最新一期《自然》雜志上。

在腦瘤切除手術中，很少能切除完全。有些殘留部分與健康腦組織十分相似，常常成為“漏網之魚”，而目前醫生用于定位腫瘤殘留的方法，均有一定的局限性。

FastGlioma將顯微光學成像與一種稱為基礎模型的AI相結合。研究人員使用超過11000份手術樣本和400萬個顯微圖像對視覺基礎模型進行了預訓練。這些腫瘤樣本通過受激拉曼組織成像拍攝，這是一種由密歇根大學開發的快速、高分辨率光學成像方法。

經過訓練，FastGlioma可以在缺乏大型標記數據集的情況下檢測腫瘤殘余組織。由FastGlioma預測指導的手術僅在3.8%的情況下遺漏了高風險腫瘤殘余，而利用圖像和熒光引導的手術遺漏率接近25%。

使用受激拉曼組織成像獲取全分辨率圖像大約需要100秒；而“快速模式”下的低分辨率圖像則僅需10秒。結果顯示，FastGlioma以平均約92%的準確率檢測并計算了腫瘤殘余量。

研究人員表示，這意味著以后可以在幾秒鐘內以極高的準確率檢測到腫瘤浸潤，幫助外科醫生判斷手術中是否需要進一步切除。

與當前腫瘤檢測的標準治療方法相比，FastGlioma利用AI快速識別微觀分辨率下的腫瘤浸潤，從而大大降低了在切除區域遺漏腫瘤殘余的風險。利用該模型還能最大程度減少對放射成像、對比增強或熒光標記的依賴，并推廣到其他腦腫瘤診斷中。