美国密歇根大学和加州大学旧金山分校的研究人员在《自然》杂志上发表了一项突破性研究成果——FastGlioma人工智能模型。该模型可在10秒内快速判断脑瘤手术中癌性肿瘤残留，显着提高手术效率和精度，有望彻底改变神经外科手术流程。这项创新结合了显微光学成像和AI基础模型，利用超过11000份手术样本和400万个显微图像进行预训练，其高分辨率图像由密歇根大学自主研发的受激拉曼组织成像技术获取。该模型的开发将对脑肿瘤的精准治疗产生深远影响。
美国科学家近日在《自然》杂志发表重大研究成果:由密歇根大学和加州大学旧金山分校联合开发的人工智能模型FastGlioma，可在脑瘤手术中实现10秒内快速判断癌性肿瘤残留，为神经外科手术带来革命性突破。
这项创新将显微光学成像与AI基础模型相结合。研究团队利用超过11000份手术样本和400万个显微图像进行预训练，采用密歇根大学自主研发的受激拉曼组织成像技术获取高分辨率图像。
FastGlioma的突出优势体现在其卓越的检测能力上。在实际应用中，该模型仅有3.8%的高风险肿瘤残余遗漏率，远优于传统图像和荧光引导手术25%的遗漏率。即便在"快速模式"下，其平均准确率仍能达到92%。
研究显示，FastGlioma还能减少对放射成像、对比增强或荧光标记等传统方法的依赖。这一突破性技术不仅能帮助外科医生在手术过程中快速决策，还可推广应用于其他类型的脑肿瘤诊断。
值得注意的是，脑瘤完全切除一直是神经外科面临的重大挑战，部分残留肿瘤与健康脑组织难以区分。 FastGlioma的出现为解决这一临床难题提供了新的解决方案，标志着人工智能在精准医疗领域又迈出重要一步。
FastGlioma模型的成功研发，不仅为脑瘤手术带来了革命性的变革，也为人工智能在医学领域的应用树立了新的标杆，预示着未来精准医疗将更加高效和精准。其低遗漏率和高准确率，将显着改善患者的预后，提高生存率。未来，我们期待FastGlioma能够在更广泛的临床实践中得到应用，造福更多患者。