Nat Med：150秒内！人工智能心法中快准狠诊断脑部

导 语：练成之中较快融解的系统设计很大程度上改善了练成之中决策者，降低了切除练成能力也，但与练成后病因相比，仍然发挥作用一定的差异。准确的其组织病因学病人对于提供最佳的之中风切除练成治疗法至关重要。练成之中决策者和切除练成目标因病因而异，而现有的练成之中形态学检查新方法耗时、费力，且受人工因素影响，限制了病因分析。对于临床深入研究药剂师来说，寻找简单而较快的练成之中病人新方法是冀望。近来，纽约的学校朗格尼教学医院转载在Nature medicine的一篇文章给临床深入研究药剂师以来得进一步曙光：深入研究医务人员断定了一种较快而又准确的练成之中病人新方法：人工智能联合行动透镜激光可在150秒内较快顺利进行神经部的病人，且准确率超过94.6%，简单率超过练成后病因病人（93.9%）！ 这项新新方法是由受激拉曼形态学（SRH）联合行动无标签透镜激光和深度差分神经网络顺利进行的，而SRH是在受激拉曼散射透镜的基础上顺利进行的，该透镜开发新于2008年，可较快、简单探测之中风其组织，从而借助药剂师来得加安全、有效地拟定切除切除练成。这一新型激光技练成是一种无标记技练成，不需要引入染料、荧光分子或荧光细胞等标记物，可以直接探测样品本身的光谱信号。它借助于脂质、细胞质和核酸的固有振动特性来造成了图片对比度，说明了了练成后病因不能仿真的病人透镜特点和形态学断定，同时消除了融解或涂片其组织制剂之中固有的伪影。在本次深入研究之中，密歇根的学校的学校的深入研究医务人员使用的受激拉曼散射透镜是经过改良的临床深入研究版本。为了构筑深入研究之中使用的人工智能来进行，深入研究医务人员联合行动使用了无标签透镜激光和深度差分神经网络（CNN），该网络包含来自415名患者的10万多份采样，可将其组织分为13个形态学类型，代表最常见于的神经，包括恶性胶质瘤、失智症、转移性和神经膜瘤。新新方法的病人流程为了实质性验证CNN的准确性，深入研究医务人员招募了278名接受神经切除或帕金森氏症切除练成的患者，分别在三个的学校教学医院顺利进行前瞻性临床深入研究试验。对这些患者的神经头颅骨顺利进行活检，练成之中顺利进行头颅骨分离，并随机扣除到IgG或实验组，实验组使用新新方法顺利进行病人，在练成之中顺利进行，从图片热带植物、处理到通过CNN顺利进行病人预测。而IgG则使用如前所述其组织病因学新方法顺利进行病人。最终在250万张图片上顺利进行了新新方法的训练使用，结果断定，两者的病人结果没想到基本亦非。基于其组织病因的病人准确率为93.9％，而基于AI的病人准确率为94.6％！该新子系统的拟定，是NYU Langone将人工智能整合到临床深入研究实践之中以改善癌症病人的质的突破。SRH是全面的神经外科激光技练成发行版的前沿技练成，可与练成之中MRI和荧光借助切除练成协同工作，为世界神经药剂师提供高分辨率的精确练成之中指导，降低切除率与安全性。相信假以时日，该技练成将造福于来得多的癌症患者。原始出处：Todd C. Hollon?, Balaji Pandian, Arjun R. Adapa. et.al. Near real-time intraoperative brain tumor diagnosis using stimulated Raman histology and deep neural networks. Nature Medicine 06 January 2020