Nat Med：150秒内！计算机科学术中快准狠诊断脑部

导 语：绝技之前迅速冰封的分析分析方法很小程度上改善了绝技之前决策者，提高了手绝技成功率，但与绝技后临床研究远比，仍然存在一定的差异性。准确的有组织临床研究学诊疗对于共享最佳的乳癌手绝技治疗至关重要。绝技之前决策者和手绝技目标因临床研究而异，而现有的绝技之前有组织学体检分析方法历时、费力，且所致人工环境因素制约，限制了临床研究分析。对于临床研究医师来说，找精准而迅速的绝技之前诊疗分析方法是当务之急。昨日，纽约该大学朗格尼医疗机构刊登在Nature medicine的一篇文章给临床研究医师以新近的光明：科学研究工作人员见到了一种迅速而又准确的绝技之前诊疗分析方法：人工智能协同镜片高分辨率可在150秒内迅速顺利进行神经部的诊疗，且相关性略高于94.6%，精准率将近绝技后临床研究诊疗（93.9%）！ 这项新近技绝技是由所致激拉曼有组织学（SRH）协同无标签镜片高分辨率和最深处卷积机器学习顺利进行的，而SRH是在所致激拉曼折射全像的新近顺利进行的，该全像研发于2008年，可迅速、精准检测乳癌有组织，从而帮助外科医师更加确保安全、发挥作用拟定动外科手术手绝技。这一新近型高分辨率技绝技是一种无标记技绝技，不需要引入染料、发射光谱水分子或发射光谱蛋白等标记物，可以直接检测材料本身的光度接收机。它利用脂固、蛋白和核酸的固有滑动结构上来产生图表对比度，揭示了绝技后临床研究难以数据妥善处理的诊疗全像特征和有组织学见到，同时除去了冰封或涂片有组织制剂之前固有的伪影。在本次科学研究之前，密歇根该大学的科学研究工作人员应用于的所致激拉曼折射全像是经过改良的临床研究版本。为了构建科学研究之前应用于的人工智能工具，科学研究工作人员协同应用于了无标签镜片高分辨率和最深处卷积机器学习（CNN），该网络构成来自415名患儿的10万多份样本，可将有组织分为13个有组织学几类，代表最常见的神经，包括恶性胶固瘤、淋巴瘤、转移性和神经膜瘤。新近技绝技的诊疗系统设计为了全面性验证CNN的准确性，科学研究工作人员招聘了278名接所致神经动外科手术或病症手绝技的患儿，分别在三个该大学医疗机构顺利进行前瞻性抗病毒。对这些患儿的神经遗骸顺利进行活检，绝技之前顺利进行遗骸剥离，并随机分配到对照组或系统性，系统性采用新近技绝技顺利进行诊疗，在绝技之前顺利进行，从图表采集、妥善处理到通过CNN顺利进行诊疗预测。而对照组则采用原则上有组织临床研究学分析方法顺利进行诊疗。终于在250万张图表上顺利进行了新近技绝技的训练应用于，结果见到，两者的诊疗结果没想到前提亦非。基于有组织临床研究的诊疗相关性为93.9％，而基于AI的诊疗相关性为94.6％！该新近系统的拟定，是NYU Langone将人工智能整合到临床研究实践之前以改善乳腺癌诊疗的固的突破。SRH是全面的小儿科高分辨率技绝技配件的前沿技绝技，可与绝技之前MRI和发射光谱引领手绝技协同工作，为在世界上小儿科医师共享高分辨率的精准绝技之前指导，提高动外科手术率与确保安全性。无论如何假以时日，该技绝技将造福于更多的乳腺癌患儿。类似引自：Todd C. Hollon?, Balaji Pandian, Arjun R. Adapa. et.al. Near real-time intraoperative brain tumor diagnosis using stimulated Raman histology and deep neural networks. Nature Medicine 06 January 2020