哈佛開發術中即時輔助 AI 系統，幫助醫師選擇正確治療方案
多數癌症（如乳癌、大腸癌），都是以影像檢查與穿刺採檢結果決定採手術、化療、標靶等療程。但腦部腫瘤採檢不易，核磁共振等影像又難以區分癌細胞的惡性程度，因此診斷與治療決策常開刀時同步進行。最近哈佛醫學院（Harvard Medical School）開發 AI 工具，能手術時精確分辨癌細胞種類，幫助醫生擬定最適療法。論文刊登於《Nature Communications》期刊。
外觀相近，治療策略大不同的兩種腦瘤
膠質母細胞瘤是非常惡性的腦瘤，需盡可能切除癌組織，再配合放療與化療，才能避免癌症快速復發，延長患者存活期；腦淋巴瘤 PCNSL 則是免疫細胞癌化所致，以放療與化療為主，不強調手術切除。
但兩種癌症長相頗為相似，有時差異不明顯，專業病理學家也可能誤診。若手術時誤把 PCNSL 當成膠質母細胞瘤切除，就會造成不必要的風險；相反的，如果誤把膠質母細胞瘤當成 PCNSL 延後切除，就會錯失及早控制腫瘤及減少轉移或復發的機會。因此，手術時正確區辨兩者，對療效與手術安全都極重要。
手術現場能「識破」腫瘤偽裝的 AI
哈佛團隊 AI 工具名為 PICTURE（Pathology Image Characterization Tool with Uncertainty-aware Rapid Evaluations）。能快速判讀病理切片的 AI 模型，訓練資料涵蓋全球 2,141 張腦部病理切片，偵測腫瘤細胞密度、細胞形狀、是否有壞死區域等特徵，已在多家醫學中心交叉驗證。
臨床測試 PICTURE 表現出色，以超過 98% 的準確率區分膠質母細胞瘤與原發中樞神經系統淋巴瘤（PCNSL），不僅團隊內測如此，多所國際醫院驗證也展現穩定水準。
AI「安全閥」：不確定性偵測
PICTURE 具「不確定性偵測」（uncertainty detector）安全性設計。一般 AI 模型常「自信滿滿」，即使是陌生情況或資料模糊，也會硬給予錯誤答案，導致危機。PICTURE 遇到難判斷的樣本時，會主動標註「需人工審查」，提醒醫師再確認。這種「謹慎的態度」幫助降低 AI 誤判風險。
腦瘤手術，病理醫師常需即時判讀腫瘤組織切片，但結果可能受主觀影響，某些腫瘤樣本專家分歧率高達 38%。以 PICTURE 輔助判讀速度快、結果一致，並能「難辨病例」維持高準確度，供執刀醫師即時參考。然 PICTURE 訓練樣本多是白人，且只涵蓋膠質母細胞瘤與 PCNSL。將來若整合更多族群、腫瘤種類資料，將更具臨床價值。
PICTURE 模型已向全球開放，所有研究團隊都能下載，改良或驗證。未來發展方向包括擴展至不同腦瘤類型、整合基因與分子資訊，並評估在不同族群適用性。若經臨床實驗真能提升存活率、降低手術併發症，PICTURE 將不只是手術輔助工具，而成為神經腫瘤科醫師的最佳助手。
（首圖來源：shutterstock）