En chirurgie tumorale, la détection et l'exérèse rapides des tissus tumoraux résiduels restent un défi majeur pour la médecine, notamment dans les interventions chirurgicales pour les tumeurs cérébrales et autres cancers solides. Malgré les progrès constants des techniques médicales, les tumeurs résiduelles continuent d'affecter le pronostic, la qualité de vie des patients et d'imposer une pression considérable sur les systèmes de santé. Aux États-Unis, les interventions correctives et les traitements ultérieurs liés aux tumeurs résiduelles coûtent plus d'un milliard de dollars par an.
Source : Image générée par IA, fournisseur de services d'autorisation d'images Midjourney
Pour résoudre ce problème, une équipe de chercheurs de l'Université du Michigan et de l'Université de Californie à San Francisco a développé un outil de diagnostic d'intelligence artificielle appelé FastGlioma. Cette technologie innovante fournit des informations diagnostiques en temps réel pendant la chirurgie, aidant les chirurgiens à identifier et à retirer les tumeurs cérébrales en quelques secondes.
Lors d'une intervention chirurgicale, si une suspicion de gliome diffus existe, le chirurgien prélève un échantillon de tissu de la marge de résection. À l'aide d'un système d'imagerie SRH portable, le personnel peut acquérir rapidement des images microscopiques dans le bloc opératoire via une simple interface tactile. Les échantillons chirurgicaux frais sont directement placés sur des lames de microscope personnalisées, sans nécessiter de traitement complexe des tissus.
Le système FastGlioma utilise une technique avancée d'histologie Raman stimulée, permettant une analyse rapide et à haute résolution d'échantillons chirurgicaux frais et non traités. Selon les études, FastGlioma peut identifier les tissus tumoraux résiduels en seulement 10 secondes, avec une précision de 92 %, dépassant de loin les méthodes d'imagerie et de détection par fluorescence traditionnelles. Comparé au taux de non-détection des tumeurs résiduelles de 25 % des méthodes traditionnelles, FastGlioma réduit ce taux à seulement 3,8 %. Cette amélioration significative laisse présager une amélioration des résultats chirurgicaux et une augmentation du taux de survie des patients.
De plus, la technologie sous-jacente de FastGlioma est issue de modèles de vision de base similaires à GPT-4 et DALL-E, entraînés sur plus de 11 000 échantillons chirurgicaux et 4 millions de champs microscopiques uniques, capables de s'adapter à différents groupes de patients et environnements médicaux. L'interface utilisateur est conviviale, permettant aux chirurgiens d'obtenir des informations immédiates et exploitables pendant l'intervention chirurgicale, améliorant ainsi l'efficacité de la prise de décision.
Le potentiel d'application de FastGlioma ne se limite pas aux gliomes. Les chercheurs estiment que cette technologie peut être étendue à d'autres types de tumeurs cérébrales. À l'avenir, l'équipe espère étendre FastGlioma au cancer du poumon, du prostate, du sein et de la tête et du cou. Si cela réussit, cela pourrait ouvrir une nouvelle ère en oncologie chirurgicale.
Points clés :
1. 🧠 FastGlioma est un outil d'IA qui identifie en temps réel les tumeurs cérébrales résiduelles pendant la chirurgie, améliorant ainsi la précision de l'intervention.
2. ⏱️ Le système détecte les résidus tumoraux en 10 secondes, avec une précision de 92 %, réduisant considérablement le taux de non-détection.
3. 🌍 FastGlioma sera étendu à d'autres types de cancer à l'avenir, contribuant à l'amélioration de la chirurgie oncologique mondiale.