La résection du tissu tumoral résiduel lors d'une chirurgie tumorale a toujours été un problème médical, affectant sérieusement le pronostic du patient et les ressources médicales. Pour résoudre ce problème, une équipe de recherche de l’Université du Michigan et de l’Université de Californie à San Francisco a développé l’outil de diagnostic d’intelligence artificielle FastGlioma, capable d’identifier et d’éliminer les tumeurs cérébrales en temps réel pendant une intervention chirurgicale, améliorant ainsi considérablement l’efficacité et la précision chirurgicales. Les éditeurs de downcodes vous expliqueront les détails de cette technologie révolutionnaire.
Remarque sur la source de l'image : l'image est générée par l'IA et le fournisseur de services d'autorisation d'image Midjourney
Pendant l'intervention chirurgicale, si un patient soupçonne un gliome diffus, le chirurgien prélèvera un échantillon de tissu sur les marges chirurgicales. Grâce au système d'imagerie portable SRH, les techniciens peuvent acquérir rapidement des images au microscope dans la salle d'opération grâce à de simples opérations sur l'écran tactile. Les échantillons chirurgicaux frais sont placés directement dans des lames de microscope personnalisées, éliminant ainsi le besoin de manipulation fastidieuse des tissus.
Le système FastGlioma utilise une technologie avancée d’histologie Raman stimulée pour permettre une analyse rapide et haute résolution d’échantillons chirurgicaux frais et non traités. Selon les recherches, FastGlioma peut identifier le tissu tumoral résiduel en seulement 10 secondes avec une précision allant jusqu'à 92 %, dépassant de loin les méthodes traditionnelles d'imagerie et de détection par fluorescence. Comparé aux méthodes traditionnelles, qui ratent jusqu'à 25 % des tumeurs résiduelles, FastGlioma réduit le taux de détection manquée à seulement 3,8 %. Cette amélioration significative laisse présager une amélioration des résultats chirurgicaux et une amélioration de la survie des patients.
De plus, la technologie sous-jacente de FastGlioma est dérivée de modèles basés sur la vision comme GPT-4 et DALL-E. Ces modèles ont été formés sur plus de 11 000 échantillons chirurgicaux et 4 millions de champs de microscope uniques, et peuvent s'adapter à différents groupes de patients et. environnement des traitements médicaux. L'interface conviviale du système permet aux chirurgiens d'obtenir des informations immédiates et exploitables pendant les opérations, améliorant ainsi l'efficacité de la prise de décision.
Le potentiel de FastGlioma ne se limite pas aux gliomes et les chercheurs pensent que la technologie pourrait être étendue à d'autres types de tumeurs cérébrales. À l’avenir, l’équipe espère promouvoir FastGlioma dans les domaines du cancer du poumon, du cancer de la prostate, du cancer de la tête et du cou. En cas de succès, cela pourrait ouvrir la voie à une nouvelle ère d’oncologie chirurgicale.
L'émergence de FastGlioma a apporté un nouvel espoir dans la chirurgie des tumeurs. Sa grande précision et ses capacités de diagnostic rapide devraient améliorer considérablement le pronostic des patients et apporter des changements révolutionnaires dans le domaine de l'oncologie chirurgicale. À l’avenir, nous espérons que cette technologie bénéficiera à davantage de patients et à toute l’humanité.