人脑，宛如一个深邃而神秘的宇宙，承载着无尽的思想与珍贵的记忆，被坚实的颅骨所守护。长久以来，大脑疾病的治疗，尤其是脑部手术，一直是医学领域中极具挑战性的难题。在大脑这一复杂而脆弱的器官上进行手术，就如同在迷雾笼罩的未知海域中航行，每一步都需谨慎万分，因为一个小小的失误，都可能给患者带来无法挽回的后果。
当癌细胞侵袭大脑，病情往往迅速恶化，手术成为对抗脑肿瘤的首要手段。在众多脑部及脊髓肿瘤中，胶质母细胞瘤较为常见，且超过九成患者在五年内病情会进展至晚期阶段。为了实现精准的肿瘤切除，获取受影响脑区的高清影像至关重要。
然而，人脑结构的复杂性和颅骨的包裹，使得获取清晰准确的脑部影像困难重重。传统的手术方式，就像在黑暗中摸索前行，医生难以精准定位病灶。近年来，锥状射束电脑断层扫描（CBCT）技术的出现，为脑部手术带来了新的曙光。
香港中文大学电子工程学系副教授袁奕萱教授介绍道：“CBCT技术能够整合术前与术中的影像，为医生提供脑内动态的实时影像。这就像为医生配备了一双明亮的‘透视眼’，让他们在手术过程中能够实时追踪并精准定位病灶，大大提高了手术的准确性和安全性，同时最大程度减少了对健康脑组织的损伤。”与其他影像技术相比，CBCT具有诸多优势，如辐射量低、空间解析度高、设备占用空间小、成本较低、扫描与重建速度快、患者摆位灵活等，这些特点使其非常适合用于术中的导航与验证。
不过，传统CBCT影像神经外科手术功能导航系统在实际应用中仍面临诸多挑战。成像稳定性不足、术前与术中影像对比出现误差等问题，导致其临床可靠性受到质疑。例如，由于造影设备灵活性有限，以及脑组织在术前术后位置发生偏移，使得术前与术中的影像难以精准匹配。此外，传统影像缺乏大脑纤维束的信息，而大脑纤维束作为神经信号传输的重要通路，是连接不同脑区的关键桥梁。手术中若误伤这些关键神经路径，可能会给患者带来严重的后遗症。
袁奕萱教授投身脑影像研究领域的起点并非医学，而是工程领域。大学时期，她便对智慧医疗研究产生了浓厚兴趣，致力于利用医疗影像数据自动化辅助医生进行诊断。完成香港中文大学的博士学位并在斯坦福大学进行博士后研究后，她毅然回到香港，立志打造更先进的“透视眼”，探索医疗领域的未知世界。
她此前开展的NeuroSTORM研究项目备受关注，该项目全称为“具有时空优化表征建模的神经影像基础模型”，建立了功能性磁力共振造影（fMRI）的基础模型。fMRI是一种重要的诊断技术，通过追踪血液流向大脑不同区域的路径来获取信息。然而，现有的fMRI分析模型设计缺乏调适性，导致其应用价值未能充分发挥。袁教授团队利用公开的fMRI数据，建立了统一的数据处理流程，有效解决了传统fMRI分析面临的可重复性和迁移性挑战，在五大类下游任务中显著提升了建模与诊断的精准度。如今，她进一步推动脑手术中基于CBCT的分析，拓展了智能医疗的应用范围。
袁教授与南京东南大学展开了一项为期四年的合作计划，旨在打造一套完整的神经外科导航系统。该系统包括移动式双能量CBCT扫描系统、高品质CBCT成像算法、多模态影像融合技术，以及结合扩增实境（AR）与扩散张量造影（DTI）的沉浸式手术辅助，能够呈现大脑纤维束的清晰影像地图。在合作中，东南大学负责硬件平台的设计和优化，香港中文大学团队则专注于算法模型和软件的开发。袁教授表示：“我们正在构建一个统一的神经外科模型，它能够生成缺失的影像模态，并将扩增实境融入模拟脑神经外科手术中，为医生打造一个沉浸式的手术环境。”这个项目旨在整合硬件与软件设计，为术中即时成像、软组织可视化、多模态影像配准以及脑功能保护等关键问题提供解决方案。
在构建这一模型的过程中，人工智能（AI）发挥了重要作用。袁教授团队利用AI技术，加速了科研进程。例如，虚拟细胞能够重现实验室流程，减少部分实体实验需求，加快假说验证的速度；AI代理与自动化流程可以处理从实验设计、参数优化到资料协调的复杂工作链；生成式工具则可产出高品质图像与研究摘要，提高沟通与发表效率。
然而，AI在重塑科研运作方式的同时，也带来了一系列挑战。在临床应用或政策推行前，必须进行严格的验证，以确保结果的可靠性，并建立完善的安全标准与伦理监督机制，保障患者与公共利益。此外，AI在医疗影像分析中的应用还涉及数据安全与隐私保护的伦理问题，以及责任归属问题。一旦出现错误，责任应由谁承担，这是亟待解决的问题。
尽管面临诸多挑战，但袁教授认为，只要能够妥善解决这些问题，AI技术将有望开启一个新时代。在这个时代里，神经外科医生将在更加全面的AI辅助下，精准、安全地完成一场场拯救生命的手术，为患者带来更多的希望和福音。
微信扫一扫
