图片源于：https://healthenews.mcgill.ca/ai-innovation-unlocks-non-surgical-way-to-detect-brain-cancer-spread/
研究人员开发了一种人工智能（AI）模型，通过MRI扫描检测转移性脑癌的扩散，为患者的癌症提供了无需侵入性手术的见解。
这一概念验证研究由麦吉尔大学的Dankner博士和Forghani博士共同领导，联合了一支国际临床医生和科学家的团队，展示该AI模型以85%的准确率检测周围脑组织中的癌细胞存在。
研究人员使用来自130多名患者的MRI扫描进行模型测试。这些患者在蒙特利尔神经医院（The Neuro）接受了脑转移瘤的手术切除。他们通过将AI的结果与医生在显微镜下观察肿瘤组织的结果进行比较，验证了AI的准确性。
脑转移瘤是最常见的脑癌类型，发生在其他部位的癌细胞扩散到大脑的情况下。当侵袭性癌细胞侵犯周围健康脑组织时，这些肿瘤可能特别具有攻击性，使其更难治疗。
Dankner表示：“我们之前的研究发现，侵袭性脑转移瘤与较短的生存期和肿瘤再生的高风险相关。这些发现展示了机器学习在改善我们对癌症及其治疗理解的巨大潜力。”
AI检测微妙的癌症线索。
该AI模型能够探测周围脑组织中暗示癌症扩散的微小变化，发现传统影像方法通常无法辨认的细微模式，这些传统方法依赖于人为解读。该模型由Forghani的实验室在他于麦吉尔大学健康中心研究所及佛罗里达大学医学院期间开发。
在今年早些时候，研究人员识别了一些可能治疗脑转移瘤的药物。然而，为了确定哪些患者最终可能从这一方法中受益，医生需要了解癌症是否已扩散至周围组织。手术是最常见的解决方案，但并不总是适合患者，尤其是当肿瘤难以达到或患者健康使手术风险过高时。
“随着进一步的发展，我们的AI模型可能会成为临床实践的一部分，这能帮助我们更早、更准确地发现脑内癌症的扩散，”多伦多大学的放射科住院医生Rehany博士说，他是该研究的主要作者之一。
尽管他们的工作仍处于早期阶段，研究人员计划扩大研究规模，使用更大的数据集，并精炼AI模型以应用于临床。
这项研究得到了加拿大癌症协会、加拿大健康研究院、脑加拿大基金会、加拿大卫生部、魁北克健康研究基金以及魁北克放射科协会基金会的支持。
关于该研究
《基于脑MRI扫描的脑转移瘤侵袭模式的机器学习预测》由Najafian Keyhan, Rehany Benjamin, Nowakowski Alexander, Ghazimoghadam Saba，Pierre Kevin，Zakarian Rita，Al-Saadi Tariq，Reinhold Caroline, Babajani-Feremi Abbas, Wong Joshua K, Guiot Marie-Christine, Lacasse Marie-Constance, Lam Stephanie, Siegel Peter M, Petrecca Kevin, Dankner Matthew, 和 Forghani Reza等人共同发表在《神经肿瘤学进展》上。
