術(shù)中快速冰凍病理的應(yīng)用很大程度上改善了術(shù)中決策，提高了手術(shù)成功率，但與術(shù)后病理相比，仍然存在一定的差異。準(zhǔn)確的組織病理學(xué)診斷對于提供最佳的腦瘤手術(shù)治療至關(guān)重要。術(shù)中決策和手術(shù)目標(biāo)因腫瘤病理而異，而現(xiàn)有的術(shù)中組織學(xué)檢查方法耗時、費(fèi)力，且受人工因素影響，限制了病理分析。對于臨床醫(yī)生來說，尋找精準(zhǔn)而快速的術(shù)中診斷方法是當(dāng)務(wù)之急。

近期，紐約大學(xué)朗格尼醫(yī)學(xué)中心的研究者報告了一種快速而又準(zhǔn)確的術(shù)中診斷方法：人工智能聯(lián)合光學(xué)成像可在150秒內(nèi)快速進(jìn)行腦部腫瘤的診斷，且準(zhǔn)確率高達(dá)94.6%，精準(zhǔn)率超過術(shù)后病理診斷(93.9%)。

這項(xiàng)新技術(shù)是由受激拉曼組織學(xué)(SRH)聯(lián)合無標(biāo)簽光學(xué)成像和深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行的，而SRH是在受激拉曼散射顯微鏡的基礎(chǔ)上進(jìn)行的。該顯微鏡開發(fā)于2008年，可快速、精準(zhǔn)探測腦瘤組織，幫助外科醫(yī)生更加安全、有效地實(shí)施切除手術(shù)。

這一新型無標(biāo)簽光學(xué)成像技術(shù)，可以提供未經(jīng)處理的生物組織的快速、無標(biāo)簽、亞微米分辨率的圖像，不需要引入染料、熒光分子或熒光蛋白等標(biāo)志物，具有高靈敏度、高特異性和高分辨率等優(yōu)勢。該技術(shù)對分子的選擇性來源于分子的內(nèi)稟振動特性，因而可以針對組織中的不同化學(xué)組分進(jìn)行分別成像，可以直接探測樣品本身的光譜信號。利用脂質(zhì)、蛋白質(zhì)和核酸的固有振動特性來產(chǎn)生圖像對比度，揭示術(shù)后病理HE染色圖像難以可視化的診斷顯微鏡特征和組織學(xué)發(fā)現(xiàn)，同時消除了冰凍或涂片組織制劑中固有的偽影。

該研究中，密歇根大學(xué)的研究者使用的受激拉曼散射顯微鏡是經(jīng)過改良的臨床版本。

深度神經(jīng)網(wǎng)絡(luò)利用可訓(xùn)練的特征提取器，為分類提供一個學(xué)習(xí)和優(yōu)化的圖像特征分類層次結(jié)構(gòu)。通過在眼科、放射科、皮膚科和病理科的深入學(xué)習(xí)，實(shí)現(xiàn)了圖像分類任務(wù)的與人類水平相當(dāng)?shù)臏?zhǔn)確性。

為了構(gòu)建研究中使用的人工智能工具，研究者聯(lián)合使用了無標(biāo)簽光學(xué)成像和深度卷積神經(jīng)網(wǎng)絡(luò)(CNN)，應(yīng)用SRH和深度學(xué)習(xí)的術(shù)中診斷管線主要涵蓋3個步驟：圖像采集、圖像處理、術(shù)中診斷預(yù)測。來自415例患者的10萬多份樣本250萬個帶標(biāo)簽的圖像用于CNN訓(xùn)練，CNN被訓(xùn)練將組織分為13個組織學(xué)類別，聚焦于常見腦腫瘤的輸出和推理節(jié)點(diǎn)，包括惡性膠質(zhì)瘤、淋巴瘤、轉(zhuǎn)移性腫瘤和腦膜瘤。

對基于深度學(xué)習(xí)的算法進(jìn)行嚴(yán)格臨床評估的重要性不言而喻，為了進(jìn)一步驗(yàn)證CNN的準(zhǔn)確性，研究者開展了一項(xiàng)雙臂、前瞻性、多中心、非劣效性臨床試驗(yàn)，比較病理學(xué)家常規(guī)組織學(xué)檢查(對照組)和CNN SRH圖像分類(試驗(yàn)組)的準(zhǔn)確性。

研究者招募了278例接受腦腫瘤切除或癲癇手術(shù)的患者，對這些患者的腦腫瘤標(biāo)本進(jìn)行活檢，術(shù)中分為姐妹樣本，隨機(jī)分為對照組和試驗(yàn)組。試驗(yàn)組采用新技術(shù)進(jìn)行診斷，在術(shù)中進(jìn)行，從圖像采集、處理到通過CNN進(jìn)行診斷預(yù)測。對照組則采用常規(guī)組織病理學(xué)方法進(jìn)行診斷。結(jié)果發(fā)現(xiàn)，兩者的診斷結(jié)果竟基本無異。

基于組織病理的診斷準(zhǔn)確率為93.9%(261/278例)，而基于AI的診斷準(zhǔn)確率為94.6%(264/278例)，超過了非劣效性的主要終點(diǎn)閾值(>91%)。

基于AI技術(shù)可以在150秒以內(nèi)準(zhǔn)確診斷出腦腫瘤，而病理學(xué)家通常需要20~30分鐘或更長時間。研究團(tuán)隊(duì)還實(shí)施了語義分割方法來識別SRH圖像中的腫瘤浸潤的診斷區(qū)域。對在原發(fā)性和轉(zhuǎn)移性腦腫瘤中腫瘤-腦界面收集的樣本進(jìn)行的分析表明，CNN可以將腫瘤與未浸潤性的腦部和非診斷性區(qū)域區(qū)分開。

該研究得出結(jié)論，SRH+CNN不僅完美演繹術(shù)中腦腫瘤的快速診斷，而且對其他多個科室均具有極大幫助的潛力，必將造福于更多患者。

這種新方法簡化了當(dāng)患者仍在手術(shù)臺上時分析組織樣本的做法，有助于指導(dǎo)腦外科手術(shù)和后續(xù)治療。它結(jié)合了“受激拉曼組織學(xué)”(stimulated Raman histology，SRH)、無標(biāo)簽光學(xué)成像方法和深度卷積神經(jīng)網(wǎng)絡(luò)(CNN)，以自動化的方式在床邊幾乎實(shí)時地預(yù)測診斷，為組織診斷創(chuàng)造了一條獨(dú)立于傳統(tǒng)病理實(shí)驗(yàn)室的互補(bǔ)途徑。

Orringer說：“作為外科醫(yī)生，我們僅限于根據(jù)所見采取行動;這項(xiàng)技術(shù)使我們能夠看到原本看不見的東西，提高(手術(shù))的速度和準(zhǔn)確性，并減少誤診的風(fēng)險。有了這種成像技術(shù)，癌癥手術(shù)比以前更安全、更有效?！?/p>

新技術(shù)還能夠檢測到傳統(tǒng)方法可能遺漏的一些細(xì)節(jié)，例如腫瘤沿神經(jīng)纖維的擴(kuò)散;與傳統(tǒng)方法不同，人工智能方法不會破壞樣本，因此組織可以再次用于更多的檢測。該研究證實(shí)將SRH與深度學(xué)習(xí)相結(jié)合，可以快速預(yù)測術(shù)中腦腫瘤的診斷。

該工作流程提供了一種在神經(jīng)病理學(xué)資源稀缺的情況下提供專家級的術(shù)中診斷、提高診斷準(zhǔn)確性的方法。該工作流程還允許外科醫(yī)生近乎實(shí)時地訪問組織學(xué)數(shù)據(jù)，從而能夠更無縫地使用組織學(xué)，為基于顯微組織特征的手術(shù)決策提供信息。

重要的是，基于AI的工作流程在手術(shù)過程中為床邊的顯微組織診斷提供了無與倫比的途徑，有助于殘留腫瘤的檢測，降低去除病變附近正常組織的風(fēng)險，有助于研究區(qū)域組織學(xué)和分子異質(zhì)性，并最大程度地減少因取樣錯誤而導(dǎo)致的非診斷性活檢或誤診的機(jī)會。

未來，或許可與術(shù)中MRI和熒光引導(dǎo)手術(shù)協(xié)同工作，為世界神經(jīng)外科醫(yī)生提供高分辨率的精確術(shù)中指導(dǎo)，提高腫瘤切除率與安全性。還可以開發(fā)人工智能算法來預(yù)測腦腫瘤中的關(guān)鍵分子變異，如MGMT甲基化、IDH和ATRX的狀態(tài)。

此外，SRH可能最終結(jié)合光譜檢測診斷性基因變異的代謝效應(yīng)，如在IDH突變的膠質(zhì)瘤中積累2-羥基戊二酸。在此期間，SRH保存了成像組織的完整性，可用于下游分析檢測，并與現(xiàn)代分子診斷實(shí)踐很好地結(jié)合。

雖然該工作流程是在神經(jīng)外科腫瘤學(xué)的背景下開發(fā)和驗(yàn)證的，但用于診斷腦腫瘤的許多組織學(xué)特征是在其他器官的腫瘤中發(fā)現(xiàn)的。未來或許可將光學(xué)組織學(xué)和深度學(xué)習(xí)相結(jié)合的類似工作流程可應(yīng)用于皮膚科、頭頸外科、乳腺外科和婦科。

(編譯 田蓉棠)