由于新系统的集成，神经外科医生现在可以使手术室在诊断患者的脑肿瘤时比以往任何时候都更有信心，这将使他们能够几乎实时地快速查看诊断组织和肿瘤边缘。
密歇根医学院的外科医生表示，随着将深度学习与计算机视觉相结合以加快整个过程的努力，准确性和精确性只会不断提高。在手术室，更快也意味着更实惠。
密歇根医学院神经外科住院总医师托德霍隆(Todd Hollon)在新出版物《自然医学》 (Nature Medicine)中描述了一种两部分方法，以提高术中诊断的准确性和效率。
Hollon and Nyulanone Health的神经外科副教授Daniel Orringer博士和他的同事们报告了由Michigan Medical Company开发的一项名为受激拉曼组织学(SRH)的技术的最新应用，该技术可以在以下位置快速生成肿瘤组织图像：床边。这意味着神经病理学家可以在没有病理实验室的情况下查看图像，从而消除了传统处理、染色和解释的漫长等待时间。
研究人员还使用一种名为深度卷积神经网络的人工智能算法来学习10种最常见的脑癌的特征，并预测诊断结果。外科医生在床边几分钟就能得到诊断预测，其准确性与传统方法相当。
该出版物的主要作者霍龙说：“这是第一次评估人工智能在手术室中的应用的前瞻性试验。”"我们已经对基于人工智能的工作流程进行了临床翻译."
立即诊断。
因脑瘤手术住院的患者通常不知道自己到底得了什么样的肿瘤，只需要手术。在获得并处理要实际交付给神经病理学专家的标本后，整个OR团队也必须等待答案。在收到病理学家的反馈之前，外科医生无法决定如何处理病例。
霍伦说：“涉及的时间太长了。”
但是，当图像是数字图像并在几分钟内出现时，可以在手术室中快速使用，以告知患者护理情况。
Hollon说：“它是如此之快，以至于我们可以直接从病人床边对许多标本进行成像，并更好地判断我们在切除肿瘤方面有多成功。”
密执安医疗公司最近首次为SRH显微镜进行商业技术采购。作为神经外科和耳鼻喉科的一线诊断工具，外科医生已经在500多名患者身上使用了该成像仪，预计很快会有更多的专业领域开始使用。
霍隆说：“外科医生和病理学家将决定他们是否可以使用SRH图像进行诊断，或者他们是否需要像以前一样将更多的组织送到病理实验室。”
在另一项应用中，作者希望SRH技术有朝一日能让资源匮乏的医院更容易与学术医疗中心的同事就疑难病例进行咨询。
数字协作辅助。
虽然有很多值得庆祝的事情，但脑外科医生承认，对于某些类型的脑癌患者(如胶质母细胞瘤)，结果仍然差得令人无法接受。研究人员表示，有必要在手术室做出可靠的决定，并在外科医生和神经病理学家之间建立牢固的伙伴关系，以取得最佳效果。
这就是人工智能的起源。
霍隆在415名患者的250万张去识别图像上训练卷积神经网络(CNN)，这些图像是通过受激拉曼组织学获得的，并聚焦于更常见的脑肿瘤类型。
研究人员随后测试了来自三个机构的278名患者。他们从每个病人身上分离出一个样本：一个样本用典型的方法染色和处理，然后交给病理学家进行诊断；其次，用SRH成像，用神经网络评价诊断。
基于有线电视新闻网的方法实际上具有相当的诊断准确性，与传统组织学的93.9%相比，诊断准确性为94.6%。
霍隆说：“我们正在改变脑肿瘤的诊断。”“这是一个高度标准化的工具，可以为大量脑肿瘤患者提供准确的诊断。”
霍隆指出，CNN正确识别了病理学家的误诊，而病理学家正确识别了AI的误诊，说明两种方法是合作的。
他说：“这是帮助病理学家和外科医生在手术室做出重要决定的另一种方式，同时增加了确定性。”
研究人员还使用该系统帮助它学习罕见的诊断。
ploadfile/2020/0121/20200121111751177.png"style="max-width: 100%;"/>Hollon说，虽然密歇根医学小组已经在利用术中诊断，但在未来几年中有可能在临床实践中使用CNN。
“我们的研究报告的结果代表了密歇根医学公司历时9年的旅程的高潮，该旅程旨在开发和实施更好的脑肿瘤手术方法-一种利用光学和人工智能决策的进展-做出更安全，更有效的决策该文章的高级作者Orringer说。
这一切始于Orringer在密歇根大学(Michigan Medicine)从事神经外科手术之初，进行了关键工作以开发小鼠模型中的SRH，后来在密歇根医学(Michigan Medicine)手术室使用了第一台SRH成像仪。此后，该团队开发了一种SRH成像仪，该成像仪快速，移动，用户友好并已在FDA注册。