![]()
一个多世纪前人们都已经意识到在手术过程中检测手术样本中的肿瘤浸润，从而完整安全切除肿瘤的重要性，但是目前手术中基于成像或者荧光的检测方法操作比较复杂并且准确率有限[1]。
为此，University of Michigan Todd
Hollon以及UCSF Shawn Hervey-Jumper等研究人员开发结合受激拉曼组织成像（stimulated
Raman histology (SRH)）[2]和医学基石模型的系统-FastGlioma，实现了方便快捷（新鲜组织样品，不需标记，<10s成像）准确识别胶质瘤浸润[1]。
研究人员使用11,462张脑瘤全切片受激拉曼图像（分成大约400万个图像块）来预训练该基于vision
transformer架构[3]的基石模型[1]。
该基石模型在预训练状态就可以比现有方法更准确地识别多种重要胶质瘤的浸润（受激拉曼组织图片）；进一步结合fine-tuning以及少量样本的进一步标记训练，该模型可以通用地（人群基础信息、医学中心、分子亚型等方面）“打分（0-1）”胶质瘤浸润状态，并“绘制”其在全切片的位置（增加可解释性）[1]。
![]()
FastGlioma概览[1]。
进一步通过模拟临床试验，研究人员认为，相比于现有方法， FastGlioma可以帮助把手术残存可安全切除的胶质瘤的概率降低到原来的1/6[1]。
![]()
模拟临床试验显示FastGlioma可以更准确识别肿瘤浸润，从而帮助把手术残存安全可切除肿瘤的风险降低到原来的1/6[1]。
该项工作2024年11月13日发表在Nature[1]。
Comment(s):
这种模型将来或许还可以快速评估肿瘤微环境状态，为手术方案提供进一步的参考。
[1] A.
Kondepudi et al., “Foundation models for fast, label-free detection of
glioma infiltration,” Nature, no. March, Nov. 2024, doi:
10.1038/s41586-024-08169-3.[2] C. W.
Freudiger et al., “Label-free biomedical imaging with high sensitivity
by stimulated Raman scattering
microscopy.,” Science, vol. 322, no. 5909, pp. 1857–1861, Dec. 2008,
doi: 10.1126/science.1165758.[3] A.
Dosovitskiy et al., “An Image is Worth 16x16 Words: Transformers for
Image Recognition at Scale,” ICLR 2021 - 9th Int. Conf. Learn. Represent.,
Oct. 2020, [Online]. Available: http://arxiv.org/abs/2010.11929https://www.nature.com/articles/s41586-024-08169-3https://github.com/MLNeurosurg/fastglioma商务合作：mss@pku.edu.cn (要求：1. 过审核；2. 标题明确标注)
