在手术期间超快速深度学习中枢神经系统瘤分类
C Vermeulen1,2, M Pagès-Gallego1,2, L Kester3
1Oncode Institute, Utrecht, The Netherlands.
Nature
|October 11, 2023
概括
一个新的AI工具Sturgeon使用快速测序在手术期间准确地分类中枢神经系统瘤. 这种机器学习的诊断有助于神经外科医生,
科学领域:
- 神经瘤学
- 医学的人工智能
- 基因组医学
背景情况:
- 中枢神经系统 (CNS) 的瘤是极具致命性的,特别是在儿童身上.
- 神经外科切除瘤需要在最大限度的瘤切除与最小的神经损伤之间进行平衡.
- 目前的诊断方法如成像和组织学往往不确切或不准确.
研究的目的:
- 为中枢神经系统瘤的分子分类开发一种无患者,转移学习的神经网络 (Sturgeon).
- 通过使用纳米孔测序的稀疏甲基化概况,实现快速的中枢神经系统瘤诊断.
- 在实时手术环境中评估"鱼"的准确性和速度.
主要方法:
- 在稀疏的甲基化配置上训练的神经网络的开发.
- 使用快速纳米孔测序进行手术内数据采集.
- 在回顾和实时外科病例中验证鱼.
主要成果:
- 在45/50的回顾样本中,鱼在40分钟内取得了准确的诊断.
- 在实时手术中, 斯特金在90分钟内提供诊断.
- 72% (18/25) 的实时诊断是正确的,而其他诊断没有达到可信度值.
结论:
- 通过低成本的手术内测序来进行机器学习的诊断可以帮助神经外科决策.
- 这种方法有可能预防神经相关疾病,避免重复手术.
- 人工智能分子分类在中枢神经系统瘤管理方面具有前景.


