AI在这个研究中并不是主角，而是锦上添花。虽然SRS比传统的病理切片节省了很多组织样本预处理的时间，大大提高了术中诊断的速度，但研究者仍嫌病理医生人手不够，希望用AI来服务大众。

    这回采用的算法叫多层感知机（MultilayerPerceptron,MLP），更适应目前常用的计算机的处理能力。研究者用来自101名患者的12,897张SRH高倍视野图片建立训练库，同时也加入了一个外部的开源图像数据库WND-CHRM的2,919张图片，让MLP进行迭代，直到诊断的预测值和观察值差距最小。

    MLP根据神外医生做出决策的需要，对图像进行四种分类：非病变组织、低级别胶质瘤、高级别胶质瘤和非胶质肿瘤（包括转移瘤、脑膜瘤、淋巴瘤和成神经管细胞瘤）。用了30个案例对MLP进行验证，结果它在样本层面能做到100%区分病变和非病变；对单个显微视野的识别则能达到94.1%的特异性和94.5%的灵敏度。在病变样本中，MLP能以90%的准确率区分胶质瘤和非胶质瘤。

ai

    a,MLP对30个样本的病变与非病变鉴别；b,MLP对胶质瘤和非胶质瘤的鉴别；c,MLP对30个样本进行4种分类的总体情况。NL，非病变；LG，低级别胶质瘤；HGG，高级别胶质瘤；NG，非胶质肿瘤。

    研究者称，这个结果已可以满意了，AI可以帮助病理医生进行术中快速诊断，并弥补医生的个体水平差距，但将来还要研发更准确、更细化的方法。

    NatureBiomedicalEngineering：神经假体的精确控制

    前面的研究都是在诊断上下功夫，最多给出治疗建议，但它能切实地进行治疗，改善病情吗？这项来自伦敦帝国理工学院的研究就是一个成功的探索。

    被截肢的患者装了假肢，如何恢复自主运动功能？靶向肌肉神经移植术（targetedmusclereinnervation,TMR）是本领域的一个突破，例如将正中神经接到肱二头肌长头。之后需要检测相关肌肉神经的电活动信息，来实现患者对假肢的控制。

    传统的做法是用两个电极检测整个肌肉（或肌群）的电活动，但由于位置太模糊，容易跟邻近肌肉的信息发生交叉，不容易做到精确控制。本研究则使用了至少50个更小的电极紧密排布，使得检测到的信息更为细致丰富，可获得单个神经元的电活动信息，并使用一种叫支持向量机（supportvectormachine,SVM）的机器学习算法来处理，与传统方法比较，精确度有很大的提高（97%VS85%）。