由于新系统的集成，神经外科医生如今可以使手术室对患者的脑肿瘤诊断比以往任何时候都更有信心，这将使他们能够近乎实时地快速查看诊断组织和肿瘤边缘。
密歇根医学的外科医生说，随着努力将深度学习和计算机视觉结合起来以加快整个过程的速度，准确性和精度也只会不断提高。在手术室里，更快也意味着更实惠。
密歇根医学(Michigan Medicine)的首席神经外科住院医师Todd Hollon医学博士 在《自然医学》(Nature Medicine)的新出版物中 描述了一种 分为两部分的方法来提高术中诊断的准确性和效率。
Hollon与NYU Langone Health神经外科副教授Daniel Orringer医师及其同事报告了密西根医学公司开发的一种名为“刺激拉曼组织学(SRH)”的技术的最新应用，该技术可在以下位置快速生成肿瘤组织图像：床头。这意味着神经病理学家无需病理实验室即可查看图像，从而消除了传统处理，染色和解释所需的漫长等待时间。
研究人员还使用一种称为深度卷积神经网络的人工智能算法来学习10种最常见类型的脑癌的特征并预测诊断。外科医生可在数分钟内在床边获得诊断预测，其准确性与传统方法相当。
该出版物的主要作者霍隆说：“这是评估手术室中人工智能使用情况的第一项前瞻性试验。” “我们已经执行了基于AI的工作流程的临床翻译。”
诊断无延迟
因脑肿瘤手术而住院的患者通常并不确切地知道自己患有哪种肿瘤，只需要进行手术即可。整个OR小组在获取并处理了要实际交付给专家神经病理学家的标本之后，也必须等待答案。在收到病理学家的反馈之前，外科医生无法确定如何处理病例。
Hollon说：“涉及的时间太长了。”
但是，当图像是数字图像并且在几分钟内出现时，可以在手术室中快速使用它来告知患者护理情况。
Hollon说：“它是如此之快，以至于我们可以从患者床旁直接对许多标本进行成像，并更好地判断我们在切除肿瘤方面取得了多大的成功。”
密歇根医学最近对用于SRH显微镜的技术进行了首次商业购买。作为神经外科和耳鼻喉科的一线诊断工具，外科医生已经在500多名患者上使用了该成像仪，预计不久将有更多的专业领域开始使用它们。
Hollon说：“外科医生和病理学家会决定他们是否可以使用SRH图像进行诊断，或者是否需要像以往一样将更多组织发送到病理实验室。”
在另一种用途中，作者希望SRH技术有一天可以使资源贫乏的医院轻松地与学术医疗中心的同事就疑难病例进行咨询。
数字协作辅助
尽管还有很多值得庆贺的事情，但脑外科医师承认，对于某些类型的脑癌患者(例如成胶质细胞瘤)而言，结果仍然差得令人无法接受。研究人员说，必须在手术室中做出可靠的决策，并在外科医生和神经病理学家之间建立牢固的伙伴关系，以取得最佳结果。
那就是人工智能的来历。
Hollon在来自415位患者的250万张去识别图像上训练了卷积神经网络(CNN)，这些图像是通过刺激的拉曼组织学方法获得的，并专注于更常见的脑肿瘤类型。
研究人员随后对来自三个机构的278名患者进行了测试。他们从每位患者身上分离出一个样本：一个样本以典型的方式进行染色和处理，然后交付病理医生进行诊断;第二，用SRH成像并通过神经网络评估诊断。
基于CNN的方法实际上具有可比的诊断准确性，与传统组织学的93.9%相比，为94.6%。
Hollon说：“我们正在改变脑部肿瘤的诊断方法。” “这是一个高度标准化的工具，可以为大量脑肿瘤患者提供准确的诊断。”
Hollon指出，CNN正确识别了病理学家的误诊，而病理学家正确地识别了AI的误诊，表明这两种方法是协同的。
他说：“这是帮助病理学家和外科医生在手术室做出重要决定的同时增加确定性的另一种方式。”
研究人员还使用该系统来帮助它学习罕见的诊断。
Hollon说，虽然密歇根医学小组已经在利用术中诊断，但在未来几年中有可能在临床实践中使用CNN。
“我们的研究报告的结果代表了密歇根医学公司历时9年的旅程的高潮，该旅程旨在开发和实施更好的脑肿瘤手术方法-一种利用光学和人工智能决策的进展-做出更安全，更有效的决策该文章的高级作者Orringer说。
这一切始于Orringer在密歇根大学(Michigan Medicine)从事神经外科手术之初，进行了关键工作以开发小鼠模型中的SRH，后来在密歇根医学(Michigan Medicine)手术室使用了第一台SRH成像仪。此后，该团队开发了一种SRH成像仪，该成像仪快速，移动，用户友好并已在FDA注册。