以人工智能为基础的分析和诊断,通过刺激拉曼组织学来对内外脊髓瘤进行分析和诊断
Pierre Scheffler1,2, Nicolas Neidert1,2,3, Jakob Straehle1,2
1Department of Neurosurgery, Medical Center, University of Freiburg, Freiburg, Germany.
Neuro-oncology advances
|December 31, 2025
概括
人工智能 (AI) 与刺激拉曼组织学 (SRH) 结合,准确地分类脊髓瘤. 这种人工智能驱动的方法有助于外科医生在对内膜外骨瘤 (IDEM) 进行手术时做出更快,更明智的决定.
科学领域:
- 神经外科 神经外科
- 在瘤学瘤学.
- 人工智能的人工智能
- 组织病理学 组织病理学
背景情况:
- 内手术刺激拉曼组织学 (SRH) 显示出快速神经瘤病变评估的前景.
- 对脊髓瘤,特别是内外骨髓瘤 (IDEM) 的SRH的应用研究较少.
- 包括脑膜瘤和脑瘤在内的IDEM瘤主要通过手术切除进行治疗.
研究的目的:
- 研究人工智能驱动的SRH的可行性和有效性,用于IDEM瘤的手术内分类.
- 开发和评估人工智能模型,以区分脑膜瘤,脑膜瘤和其他IDEM瘤类型.
- 评估人工智能辅助SRH的潜力,以增强IDEM瘤的外科决策.
主要方法:
- 从患有IDEM瘤的患者获得232张SRH图像.
- 将图像分类为"脑膜瘤"",施瓦诺瘤"和"其他"诊断类别.
- 在224x224像素的图像补丁上训练并测试AI分类器 (CTransPath,ResNet,Vision Transformer).
主要成果:
- 在测试数据集上,CTransPath模型在分类IDEM瘤类型方面取得了最高的准确性 (94.3%).
- 视觉变压器模型也表现出高性能,准确度超过90%.
- ResNet模型的准确度从79.6%到88.8%不等;分类主要基于细胞形态.
结论:
- 人工智能辅助的SRH分析是可行且有效的,用于在手术内区分IDEM瘤类型.
- 这种方法可以提供快速,可靠和临床可行的诊断信息.
- 人工智能驱动的SRH可以作为脊髓瘤手术中常规手术内神经病理学的宝贵补充.
