美国研究人员开发了一种名为FastGlioma的人工智能模型，能够在短短10秒内准确识别脑瘤手术后残留的肿瘤组织。传统脑瘤手术难以完全切除肿瘤，导致术后并发症。FastGlioma模型通过对大量手术样本和显微图像进行预训练，能够快速准确地检测出肿瘤浸润，从而提高手术成功率，减少并发症。这项技术有望显著改善脑瘤患者的术后生活质量，并减少后续治疗的需要，未来还可能应用于其他癌症类型的诊断和治疗。

🤔FastGlioma是一种基于人工智能的模型，能够在10秒内快速识别脑瘤手术后残留的肿瘤组织，这对于提高手术成功率和减少术后并发症具有重要意义。

🔬传统脑瘤手术由于正常脑组织和肿瘤组织界限模糊，难以完全切除肿瘤，导致术后可能出现癫痫、感染、头痛等并发症。

📊FastGlioma模型通过对超过11000个手术样本和400万个显微图像进行预训练，能够以高达92%的准确率检测全分辨率图像中的肿瘤浸润，使用低分辨率图像时准确率也能达到90%。

💡未来，研究人员计划将FastGlioma模型应用于其他癌症类型，例如肺癌、前列腺癌等，以期提高这些癌症的诊断和治疗效果。

IT之家 11 月 14 日消息，美国研究人员开发出一种名为 FastGlioma 的人工智能模型，能够在短短 10 秒内准确识别脑瘤手术后残留的肿瘤组织。这一突破性的技术有望显著提高脑瘤手术的成功率，减少术后并发症。

据IT之家了解，传统的脑瘤手术中，由于正常脑组织和肿瘤组织的界限非常模糊，外科医生难以完全切除肿瘤。残留的肿瘤组织可能会导致一系列并发症，包括癫痫、感染、头痛、认知功能障碍和运动功能障碍。虽然磁共振成像（MRI）和荧光造影剂可以帮助定位残留肿瘤，但这些方法并不总是适用于所有类型的肿瘤，且在手术过程中不一定可行。

密歇根大学和加州大学旧金山分校的研究人员开发了一种名为 FastGlioma 的 AI 模型，该模型通过对超过 11000 个手术样本和 400 万个独特的显微图像进行预训练，能够以 92% 的准确率在 100 秒内检测出全分辨率图像中的肿瘤浸润。当使用低分辨率图像时，FastGlioma 可以以 90% 的准确率在 10 秒内实现检测。

这项技术有潜力显著改善患者的术后生活质量，并减少后续昂贵的矫正手术的需要。未来，研究人员计划将 FastGlioma 模型扩展到其他类型的癌症，如肺癌、前列腺癌、乳腺癌和头颈癌，以提高这些癌症的诊断和治疗效果。