在腫瘤手術中，及時發現和切除殘留腫瘤組織一直是醫學界的難題，特別是在腦腫瘤和其他實體癌症的手術中。儘管醫療技術不斷進步，殘留腫瘤仍然影響着患者的預後、生活質量，並給醫療系統帶來巨大壓力。在美國，因殘留腫瘤而需進行的修復手術和後續治療每年耗費超過10億美元。

AI醫療 醫生 人工智能

圖源備註:圖片由AI生成，圖片授權服務商Midjourney

爲了解決這一問題，密歇根大學與加州大學舊金山分校的研究團隊開發了一款名爲 FastGlioma 的人工智能診斷工具。這一創新技術能在手術中實時提供診斷信息，幫助外科醫生在數秒內識別和切除腦腫瘤。

在手術中，患者若懷疑有瀰漫性膠質瘤，外科醫生會對手術切緣的組織進行取樣。使用便攜式的 SRH 成像系統，技術人員能夠在手術室內通過簡單的觸摸屏操作，快速獲取顯微鏡圖像。新鮮的手術標本被直接放入定製顯微鏡載玻片中，無需繁瑣的組織處理。

FastGlioma 系統採用先進的刺激拉曼組織學技術，能夠對新鮮的、未經處理的手術標本進行快速且高分辨率的分析。據研究，FastGlioma 能在短短10秒內識別殘留腫瘤組織，準確率高達92%，遠超傳統成像和熒光檢測手段。與傳統方法高達25% 的殘留腫瘤漏檢率相比，FastGlioma 將漏檢率降至僅3.8%。這一顯著改善預示着手術效果的提升和患者生存率的提高。

此外，FastGlioma 的底層技術源自於類似 GPT-4和 DALL-E 的視覺基礎模型，這些模型經過超過11，000個手術標本和400萬幅獨特顯微鏡視野的訓練，能夠適應不同的患者羣體和醫療環境。系統界面友好，外科醫生在手術中可獲得即時、可操作的洞見，提升決策效率。

FastGlioma 的應用潛力不僅限於膠質瘤，研究人員認爲該技術還可擴展至其他類型的腦腫瘤。未來，該團隊希望將 FastGlioma 推廣至肺癌、前列腺癌、乳腺癌及頭頸癌等領域，若成功，或將開啓外科腫瘤學的新紀元。

劃重點:

1. 🧠 FastGlioma 是一種 AI 工具，能在手術中實時識別殘留腦腫瘤，提升手術精準度。

2. ⏱️ 該系統在10秒內檢測腫瘤殘留，準確率高達92%，顯著降低漏檢率。

3. 🌍 FastGlioma 未來將擴展至其他癌症類型，助力全球癌症手術的改善。