Infiltracija tumora može se s iznimno visokom preciznošću detektirati u nekoliko sekundi te još tijekom operacije obavijestiti kirurge je li potrebna dodatna resekcija  Chris Hedly, Michigan Medicine
Kad neurokirurg uklanja tumor iz pacijentova mozga, on rijetko može ukloniti cijelu masu. Ono što ostaje poznato je kao rezidualni tumor koji može nalikovati zdravom mozgu. Za lociranje tog zaostalog tumora koriste se razne metode poput magnetske rezonance ili fluorescentnog agensa za oslikavanje tumorskog tkiva, no nijedna od ovih metoda nije svemoguća i svaka ima svojih nedostataka.  

Brže i točnije

No, sad su istraživači Sveučilišta Michigan su i njihovi kolege s Kalifornijskog sveučilišta u San Franciscu razvili AI model koji još tijekom operacije u samo 10 sekundi može odrediti je li u mozgu prestao dio kancerogenog tumora  koji bi se mogao ukloniti. Uz to, pokazuju nalazi objavljeni u časopisu u Nature, dijagnostički sustav zvan FastGlioma uvelike nadmašuje konvencionalne metode za identifikaciju ostataka tumora. 
“FastGlioma ima potencijal promijeniti polje neurokirurgije trenutačnim poboljšanjem sveobuhvatnog liječenja pacijenata s difuznim gliomima”, tvrde njegovi tvorci. “On radi brže i točnije od standardnih metoda skrbi za otkrivanje tumora, primjenjiv je na druge dijagnoze i mogao bi poslužiti kao temeljni model za vođenje operacije tumora na mozgu.”  

Trening modela

FastGlioma kombinira mikroskopsko optičko oslikavanje s AI modelima kao što su GPT-4 i DALL·E 3, uvježbanim na više od 11.000 kirurških uzoraka i četiri milijuna jedinstvenih mikroskopskih vidnih polja. Nakon treninga, AI tehnologija je visokorizični, rezidualni tumor promašila u samo 3,8 % vremena; za usporedbu, stopom promašaja kod konvencionalnih metoda iznosi gotovo 25 %.
Metoda je prethodno korištena za treniranje DeepGlioma, dijagnostičkog AI alata koji je genetske mutacije tumora mozga otkrivao za manje od 90 sekundi  Jacob Dwyer, Justine Ross, Michigan Medicine.

Uzorci tumora snimaju se uz pomoć stimulirane Ramanove histologije, metodom koja je prethodno korištena za treniranje DeepGlioma, dijagnostičkog sustava probira temeljenog na umjetnoj inteligenciji koji genetske mutacije tumora mozga otkriva za manje od 90 sekundi. Korištenjem stimulirane Ramanove histologije potrebno je oko 100 sekundi da bi se dobila slika pune rezolucije; 10 sekundi dovoljno je da se u “brzom načinu rada” dobije slika niže rezolucije.

Infiltracija tumora može se detektirati u nekoliko sekundi te još tijekom operacije obavijestiti kirurge je li potrebna dodatna resekcija
Rezultati su u oba slučaja dojmljivi: model pune razlučivosti postiže točnost do 92 %, a brzi način približno 90 %. To znači da se infiltracija tumora može s iznimno visokom preciznošću detektirati u nekoliko sekundi te još tijekom operacije obavijestiti kirurge je li potrebna dodatna resekcija. U budućim studijama istraživači će se usredotočiti na primjenu FastGlioma na druge vrste raka, uključujući rak pluća, prostate, dojke, glave i vrata.

Infiltracija tumora može se s iznimno visokom preciznošću detektirati u nekoliko sekundi te još tijekom operacije obavijestiti kirurge je li potrebna dodatna resekcija  Chris Hedly, Michigan Medicine
Kad neurokirurg uklanja tumor iz pacijentova mozga, on rijetko može ukloniti cijelu masu. Ono što ostaje poznato je kao rezidualni tumor koji može nalikovati zdravom mozgu. Za lociranje tog zaostalog tumora koriste se razne metode poput magnetske rezonance ili fluorescentnog agensa za oslikavanje tumorskog tkiva, no nijedna od ovih metoda nije svemoguća i svaka ima svojih nedostataka.  

Brže i točnije

No, sad su istraživači Sveučilišta Michigan su i njihovi kolege s Kalifornijskog sveučilišta u San Franciscu razvili AI model koji još tijekom operacije u samo 10 sekundi može odrediti je li u mozgu prestao dio kancerogenog tumora  koji bi se mogao ukloniti. Uz to, pokazuju nalazi objavljeni u časopisu u Nature, dijagnostički sustav zvan FastGlioma uvelike nadmašuje konvencionalne metode za identifikaciju ostataka tumora. 
“FastGlioma ima potencijal promijeniti polje neurokirurgije trenutačnim poboljšanjem sveobuhvatnog liječenja pacijenata s difuznim gliomima”, tvrde njegovi tvorci. “On radi brže i točnije od standardnih metoda skrbi za otkrivanje tumora, primjenjiv je na druge dijagnoze i mogao bi poslužiti kao temeljni model za vođenje operacije tumora na mozgu.”  

Trening modela

FastGlioma kombinira mikroskopsko optičko oslikavanje s AI modelima kao što su GPT-4 i DALL·E 3, uvježbanim na više od 11.000 kirurških uzoraka i četiri milijuna jedinstvenih mikroskopskih vidnih polja. Nakon treninga, AI tehnologija je visokorizični, rezidualni tumor promašila u samo 3,8 % vremena; za usporedbu, stopom promašaja kod konvencionalnih metoda iznosi gotovo 25 %.
Metoda je prethodno korištena za treniranje DeepGlioma, dijagnostičkog AI alata koji je genetske mutacije tumora mozga otkrivao za manje od 90 sekundi  Jacob Dwyer, Justine Ross, Michigan Medicine.

Uzorci tumora snimaju se uz pomoć stimulirane Ramanove histologije, metodom koja je prethodno korištena za treniranje DeepGlioma, dijagnostičkog sustava probira temeljenog na umjetnoj inteligenciji koji genetske mutacije tumora mozga otkriva za manje od 90 sekundi. Korištenjem stimulirane Ramanove histologije potrebno je oko 100 sekundi da bi se dobila slika pune rezolucije; 10 sekundi dovoljno je da se u “brzom načinu rada” dobije slika niže rezolucije.

Infiltracija tumora može se detektirati u nekoliko sekundi te još tijekom operacije obavijestiti kirurge je li potrebna dodatna resekcija
Rezultati su u oba slučaja dojmljivi: model pune razlučivosti postiže točnost do 92 %, a brzi način približno 90 %. To znači da se infiltracija tumora može s iznimno visokom preciznošću detektirati u nekoliko sekundi te još tijekom operacije obavijestiti kirurge je li potrebna dodatna resekcija. U budućim studijama istraživači će se usredotočiti na primjenu FastGlioma na druge vrste raka, uključujući rak pluća, prostate, dojke, glave i vrata.