在对抗肿瘤的过程中，如何在手术中迅速发现并切除残留肿瘤组织始终是医学界面临的一大挑战，尤其是在脑肿瘤和其他实体癌症手术中。尽管医疗技术持续发展，残留肿瘤的问题依然对患者预后、生活质量产生重大影响，并对医疗体系构成巨大负担。在美国，因残留肿瘤导致的二次手术和后续治疗每年耗资超过10亿美元。

AI医疗 医生 人工智能

图源备注:图片由AI生成，图片授权服务商Midjourney

针对这一难题，密歇根大学与加州大学旧金山分校的研究团队联合开发了一款名为 FastGlioma 的人工智能诊断系统。该技术能在手术过程中实时提供诊断信息，帮助外科医生迅速识别并切除脑肿瘤。

当患者可能存在弥漫性胶质瘤时，外科医生会在手术切缘采集组织样本。利用便携式 SRH 成像系统，技术人员可在手术室通过触摸屏操作快速获取显微镜图像。新鲜手术样本直接放置于特制显微镜载玻片上，省去了复杂的组织处理步骤。

FastGlioma 系统运用先进的刺激拉曼组织学技术，对新鲜、未经处理的手术样本进行快速且高分辨率的分析。研究表明，FastGlioma 仅需10秒即可识别残留肿瘤组织，准确率高达92%，远超传统成像和荧光检测方法。相较于传统方法25% 的残留肿瘤漏检率，FastGlioma 将漏检率降至3.8%，显著提高了手术效果和患者生存率。

此外，FastGlioma 的核心技术源自于类似 GPT-4和 DALL-E 的视觉基础模型，这些模型经过超过11，000个手术标本和400万幅独特显微镜视野的训练，能够适应不同患者群体和医疗环境。系统界面友好，使外科医生在手术中能获得即时、可操作的见解，提高决策效率。

FastGlioma 的应用前景不仅限于胶质瘤，研究人员认为该技术有望拓展至其他脑肿瘤类型。未来，研究团队计划将 FastGlioma 应用于肺癌、前列腺癌、乳腺癌及头颈癌等领域，有望引领外科肿瘤学进入新时代。

划重点:

1. 🧠 FastGlioma 是一种 AI 工具，可在手术中实时识别残留脑肿瘤，提高手术精准度。

2. ⏱️ 该系统10秒内检测肿瘤残留，准确率高达92%，大幅降低漏检率。

3. 🌍 FastGlioma 有望应用于更多癌症类型，助力全球癌症手术治疗水平提升。