哈佛大學AI工具手術中精準區分腦瘤，準確率逾九成

哈佛醫學院領導的研究團隊開發出一款革命性的人工智慧（AI）工具，能在手術期間即時精確區分侵襲性腦瘤（如多形性神經膠質母細胞瘤）與外觀相似但惡性程度較低的腫瘤。這項創新技術有望引導外科醫生進行更精準的腫瘤切除，並即時調整治療方案，為腦瘤患者帶來新的希望。

傳統的病理學診斷方法，如冷凍切片病理學，存在一定的誤差率，可能影響患者的治療結果。而這款AI工具透過分析數千張活體組織切片圖像和基因數據進行訓練，在實際手術中區分這些癌症的準確率超過90%。它利用卷積神經網路（CNN）處理未染色的組織切片，省去了傳統染色和專家審閱的延遲。據研究顯示，AI在醫學影像分析領域的應用已取得顯著進展，CNN在疾病分類、腫瘤偵測和影像增強等方面展現出強大能力。

該AI工具在多家機構進行測試，其速度和可靠性均優於人類病理學家，能夠識別出細微的細胞模式和分子特徵。它能提供概率性輸出，讓外科醫生即時權衡風險，這對於需要最大程度切除但又伴隨高風險的多形性神經膠質母細胞瘤患者尤為關鍵。此系統與現有手術流程的整合，標誌著AI輔助精準醫療時代的來臨。據報導，類似的AI系統在區分癌組織與健康組織方面已展現出潛力。

開發此AI工具需要龐大的數據集，包含來自不同患者群體的超過10,000張標註圖像，以確保其穩健性。來自達納-法伯癌症研究所的合作者提供了基因組學見解，將視覺特徵與基因標記相關聯。在社群媒體平台X上，有使用者（如Erwin Loh教授）強調該工具「超越人類表現」，顯示出其在減少診斷錯誤方面的潛力。

透過前瞻性試驗驗證，該AI在兩分鐘內即可處理樣本，遠快於標準病理學流程。透過迭代訓練，偽陽性結果得到最小化。然而，專家提醒，該技術在廣泛應用前必須通過美國食品藥物管理局（FDA）的監管審批。

早期採用者認為，該AI有助於實現更具針對性的治療，進而可能提高患者的存活率。未來，與其他AI系統的整合有望創建更全面的手術輔助系統。同時，關於公平獲取和過度依賴演算法的倫理考量依然存在。正如Eric Topol博士在X上所指出的，開源此類模型能加速創新，但人類的監督仍然至關重要。

這項發展突顯了神經腫瘤學領域日益增長的趨勢，即AI在病理學家短缺的情況下彌補了專業知識的差距。與科技公司的合作正在探索可擴展版本，並可能將該工具嵌入機器人手術平台。美國國家衛生研究院（NIH）主任部落格也曾讚揚類似系統在區分癌症與健康組織方面的貢獻。

批評者指出數據隱私問題和部分演算法的「黑盒子」性質，呼籲提高透明度。鑑於每年有數千人罹患多形性神經膠質母細胞瘤，這項由哈佛大學領導的進展代表著邁向更智慧、更安全腦部手術的關鍵一步，將尖端科技與臨床診斷能力巧妙結合。