用深度学习和组织学瘤映射到手术部位的基础细胞癌的手术内边缘评估
Joshua J Levy1,2,3,4,5,6, Matthew J Davis7, Rachael S Chacko8
1Department of Pathology and Laboratory Medicine, Cedars-Sinai Medical Center, Los Angeles, CA, 90048, USA. Joshua.levy@cshs.org.
NPJ precision oncology
|January 3, 2024
概括
这项研究引入了一个人工智能平台,以加快癌症边际评估,提高手术效率和降低复发风险. 它旨在实现更快,更完整的手术内边缘评估,以获得更好的癌症治疗结果.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 手术病理学手术病理学
背景情况:
- 完整的外科切除对于固体癌症治疗至关重要.
- 当前的利率评估方法,如辐射切割,可能会导致不完整的清除,导致复发.
- 莫斯微图外科提供实时边缘评估,但面临着许多瘤类型的时间和复杂性的局限性.
研究的目的:
- 开发一个人工智能 (AI) 平台,以提高业内利评估效率.
- 为了减少手术病理学中的组织预处理和组织学评估时间.
- 为了实现快速和完整的边际评估,以改善癌症手术的结果.
主要方法:
- 开发一个人工智能平台,用于自动化总结建议.
- 人工智能驱动的瘤映射和导向到手术样本.
- 使用基底细胞癌作为验证的模型系统.
主要成果:
- 人工智能平台显著减少了组织预处理和评估时间.
- 具备解决外科实验室效率瓶问题的能力.
- 促进快速和完整的手术内利率评估.
结论:
- 开发的人工智能平台显示了改善手术内利率评估的前景.
- 这项技术可以通过确保彻底去除瘤来提高外科手术结果.
- 人工智能方法为有效的癌症手术支持提供了可扩展的解决方案.
