《人工鼻在手术期间识别脑肿瘤中的恶性组织》

  • 来源专题:生物安全网络监测与评估
  • 编译者: yanyf@mail.las.ac.cn
  • 发布时间:2019-06-17
  • 芬兰坦佩雷大学开发的一种人工鼻子可以帮助神经外科医生在手术过程中识别癌组织,从而更准确地切除肿瘤。

    使用诸如电刀或透热刀片之类的装置的电外科切除术目前是神经外科中广泛使用的技术。当组织被烧伤时,组织分子以手术烟雾的形式分散。在坦佩雷大学的研究人员开发的方法中,手术烟雾被输入一种新型的测量系统,可以识别恶性组织并将其与健康组织区分开来。

    最近在神经外科杂志上发表了一篇关于使用手术烟雾识别脑肿瘤的文章。

    “在目前的临床实践中,冰冻切片分析是术中肿瘤识别的金标准。在该方法中,在手术期间将一小部分肿瘤样本送给病理学家,”坦佩雷大学的研究员Ilkka Haapala说。

    病理学家对样本进行微观分析,并打电话给手术室报告结果。

    “我们的新方法提供了一种实时识别恶性组织的有前途的方法,以及从肿瘤不同部位研究多个样本的能力,”Haapala解释说。

    “该设备的特殊优势在于它可以连接到神经外科手术室已经存在的仪器,”Haapala指出。

    该技术基于差示迁移率光谱法(DMS),其中烟道气离子被馈送到电场中。电场中离子的分布是组织特异性的,并且可以基于所得到的“气味指纹”来识别组织。

    该研究分析了从28个脑肿瘤和对照样本中收集的694个组织样本。

    使用的设备是专门为研究开发的。它由机器学习系统和电刀组成,机器学习系统使用DMS技术分析烟气,电刀用于从组织中产生烟气。

    当分析所有样品时,系统的分类准确度为83%。在更受限制的设置中提高了准确性。当将低恶性肿瘤(神经胶质瘤)与对照样品进行比较时,系统的分类准确度为94%,灵敏度达到97%,特异性达到90%。

    ——文章发布于2019年6月14日

相关报告
  • 《Nature | 手术中超快速深度学习中枢神经系统肿瘤分类》

    • 来源专题:战略生物资源
    • 编译者:李康音
    • 发布时间:2023-10-14
    • 2023年10月11日,乌得勒支大学等机构的研究人员在Nature上发表题为Structures illustrate step-by-step mitochondrial transcription initiation的研究人员。 中枢神经系统肿瘤是最致命的癌症类型之一,特别是在儿童中。主要治疗包括神经外科切除肿瘤,其中必须在最大程度切除和最小化神经损伤和合并症风险之间取得微妙的平衡。然而,外科医生在手术前对确切肿瘤类型的了解有限。目前的标准做法依赖于术前影像学和术中组织学分析,但这些并不总是结论性的,偶尔也会出错。使用快速纳米孔测序,可以在手术期间获得稀疏的甲基化谱。 该研究开发了Sturgeon,一种与患者无关的转移学习神经网络,使中枢神经系统肿瘤的分子亚分类能够基于这种稀疏的概况。在50个回顾性测序样本中的45个样本开始测序后40分钟内,Sturgeon给出了准确的诊断(放弃对其他5个样本的诊断)。此外,该研究在25例手术中实时证明了其适用性,实现了小于90分钟的诊断周转时间。其中,18例(72%)诊断是正确的,7例未达到所需的置信阈值。该研究结论是基于低成本术中测序的机器学习诊断可以帮助神经外科决策,潜在地预防神经合并症并避免额外的手术。 本文内容转载自“ CNS推送BioMed”微信公众号。 原文链接: https://mp.weixin.qq.com/s/EwmhAvFtkCbSOPF0uh_9wg
  • 《基于可穿戴的监测和自我监督对比学习可检测血液系统恶性肿瘤治疗期间的临床并发症》

    • 来源专题:重大疾病防治
    • 编译者:蒋君
    • 发布时间:2023-06-05
    • 严重临床并发症(鳞状细胞癌;CTCAE ≥ 级 3) 常见于接受血液系统恶性肿瘤治疗的患者。鳞状细胞癌的早期诊断和治疗对于改善结局至关重要。在这里,我们报告了一个深度学习模型派生的SCC-Score,以根据医疗可穿戴设备连续记录的时间序列数据来检测和预测SCC。在这项单臂、单中心的观察性队列研究中,79名患者(54名住院患者(IC)/25名门诊患者(OC))使用可穿戴设备记录了31,234?h的生命体征和体力活动。将没有SCC证据的生理功能正常的小时呈现给深度神经网络,该网络由自我监督的对比学习目标来训练,以从时间序列中提取具有规则周期的典型特征。该模型用于计算SCC分数,该分数测量与常规特征的不相似性。将SCC评分的检测和预测性能与SCC的临床文献(AUROC±SD)进行比较。在IC中总共有124例临床记录的SCC发生,OC中发生了16例。 在IC中实现了鳞状细胞癌的检测,灵敏度为79.7%,特异性为87.9%,AUROC为0.91±0.01。在临床诊断前2天可以预测感染性SCC。我们使用可穿戴数据和深度学习模型为血液恶性肿瘤治疗患者的 SCC 检测和预测提供了原理证明。因此,远程患者监测可以实现先发制人的并发症管理。