Nat Med：150秒内！人工智能术中快准狠诊断脊髓

导 口语：练成之前较慢冰冻的应用很小持续性上改善了练成之前协调，提高了手练成比不下，但与练成后临床相比，依然存在一定的差异。精确的其组织法医学病因对于透过最佳的脑干瘤手练成治疗至关重要。练成之前协调和手练成目标因临床而异，而现阶段的练成之前其组织学检查方式耗时、费力，且受人工因素严重影响，管制了临床比对。对于医学眼科医生来说，探寻精准而较慢的练成之前病因方式是要务。近日，哥伦比亚大学罗萨尼医学之前心发表在Nature medicine的一篇评论给医学眼科医生以新的曙光：研究工作其他部门见到了一种较慢而又精确的练成之前病因方式：人工智慧联合光学仪器全像可在150秒内较慢顺利进行脑干部的病因，且生存不下将近94.6%，精准不下大约练成后临床病因（93.9%）！ 这项新技练成是由受激东姑其组织学（SRH）联合无标签光学仪器全像和深度卷积专家系统顺利进行的，而SRH是在受激东姑散射电子显微镜的为基础顺利进行的，该电子显微镜开发于2008年，可较慢、精准光谱仪脑干瘤其组织，从而希望外科眼科医生越发安全、有效地实施切掉手练成。这一新型全像技练成是一种无标记技练成，不需要引入染料、电子电子显微镜分子或电子电子显微镜蛋白等标记物，可以从外部光谱仪样品本身的光谱信号。它为了让脂常为、蛋白常为和核酸的固有震荡特性来产生图像对比度，揭示了练成后临床较难为了让计算机的病因电子显微镜特征和其组织学见到，同时消除了冰冻或涂片其组织有效成分之前固有的伪影。在本次研究工作之前，密歇根大学的研究工作其他部门使用的受激东姑散射电子显微镜是经过改良的医学版本。为了构建研究工作之前使用的人工智慧方法，研究工作其他部门联合使用了无标签光学仪器全像和深度卷积专家系统（CNN），该网络包含来自415名病症的10万多份样本，可将其组织可分13个其组织学类别，代表人最相似的脑干，包括恶性胶常为瘤、乳腺癌、转移性和脑干膜瘤。新技练成的病因处理过程为了进一步解析CNN的精确性，研究工作其他部门招募了278名接受脑干切掉或病症手练成的病症，分别在三个大学医学之前心顺利进行基础性医学。对这些病症的脑干标本顺利进行活检，练成之前顺利进行标本除去，并随机分摊到对照组或实验组，实验组改用新技练成顺利进行病因，在练成之前顺利进行，从图像收集、处理到通过CNN顺利进行病因预报。而对照组则改用常规其组织法医学方式顺利进行病因。最终在250万张图像上顺利进行了新技练成的体能训练使用，结果见到，两者的病因结果竟也就是说无异。基于其组织临床的病因生存不下为93.9％，而基于AI的病因生存不下为94.6％！该新系统的实施，是NYU Langone将人工智慧整合到医学实践之前以改善肝癌病因的常为的突破。SRH是全面性的妇产科全像技练成也就是说功能的前沿技练成，可与练成之前MRI和电子电子显微镜引导手练成协同工作，为世界妇产科眼科医生透过高分辨不下的精确练成之前指导，提高切掉不下与可用性。确信假以时日，该技练成将安居乐业于更多的肝癌病症。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