近日,北京协和医院放射科金征宇教授和宋兰教授团队携手深睿医疗和香港大学,提出了一种能提高肺腺癌浸润程度预测准确性的人工智能建模策略,相关成果被国际知名期刊Radiology(IF 19.7)收录。研究结果表明,通过结合深度学习(DL)和放射组学(Radiomics)的方法对深度学习模型进行融合与优化,同时引入了一种模拟放射科医生在解决不一致分类时可能使用的决策过程,以集成两个二元分类模型和一个三元分类模型来依次解决分类冲突,从而提高了模型在肺腺癌浸润程度方面的预测准确性,特别是在纯磨玻璃结节(pGGNs)上的分类性能,通过这种新的模型和策略,研究在外部测试集上实现了对微浸润性腺癌(MIA)的高准确率预测。新的研究模型对于以往的放射组学模型、深度学习模型以及多模态融合模型均有效,通过早期干预长远防控等智能化手段,可以广泛提高早期肺癌筛查与诊断水平。
肺癌是世界范围内发病率和病死率最高的恶性肿瘤之一。根据2024年2月2日国家癌症中心发布的数据显示(JNCC,2024),2022年我国癌症新发病例约482.47万,新增癌症死亡病例约257.42万。无论男女,肺癌的发病率和死亡率均居于榜首,肺癌的早筛早诊早治刻不容缓。其中,肺腺癌占比近四成。
根据浸润程度(或者叫侵袭性),肺腺癌可以划分为腺体前驱病变(包括非典型腺瘤样增生AAH和原位腺癌AIS)、微浸润性腺癌(MIA)和浸润性腺癌(IAC),其中AAH/AIS根据WHO2021最新指南,推荐保守治疗;而MIA和IAC则需要临床早期积极干预。肺腺癌的浸润性程度在术前评估中对于临床决策意义重大。同时,磨玻璃结节(GGN)相比于实性结节(SSN),具有缓慢生长的特性,术前浸润性评估困难,因此准确评估GGN临床价值更大。目前针对肺腺癌的浸润性进行评估的研究中,普遍数据规模比较小,并且大多研究方法针对特定的影像学表现,对于微浸润性腺癌(MIA)这一类评估效果不佳或不进行评估。
(图1)方法流程图
红框部分显示了本研究提出的分段式的层级化决策模式
如图1红框部分所示,研究首先构造了两个二分类模型(Binary Model),一个用于区分AAH/AIS/MIA和IAC,另一个用于区分AAH/AIS和MIA/IAC,对于同一个病灶,两个Binary Model分别给出预测结果,当预测结果一致时,则直接输出最终结果;当预测结果有分歧时,则使用第三个三分类模型(Ternary Model)进行决策。本研究的训练数据来自4483个患者共计4929个肺腺癌病灶,在此基础上建立了6个用于分类浸润前、微浸润性和浸润性腺癌的三元模型。通过优化结构、联合学习和决策模型,逐步修改基于DL的模型,将两个二元模型与一个三元分类模型相结合,依次解决不一致的分类。这样一套分段式的层级决策模式应用于以往的组学模型、深度学习模型和多模态融合模型,经过内外部测试集效果证明,该模式可以提高所有模型的预测效果,同时还能提高模型预测的一致性,从而可以成为未来肺腺癌浸润性预测模型的通用组件。这项研究还得到了加州大学旧金山分校的Jae Ho Sohn教授和Brandon K. K. Fields医生的积极评价(https://pubs.rsna.org/doi/10.1148/radiol.233356)。
(图2)本研究提出的分段式决策模式的推理过程示意
深睿医疗运用AI创新技术,积极参与到区域多层次、立体化重大慢病防治体系建筑中,将疾病诊断关口前移,为疾病早筛查、早诊断、早治疗提供智慧化管理手段,实现了重大慢病筛查效率、质量、成果三提升。旗舰产品睿影胸部CT影像全流程智慧解决方案,对呼吸系统影像进行智能分析,实现一站式胸部CT影像的多征象精准检出、定量测量、定性分析、三维重建和智能随访,完成结构化报告与胶片打印。该产品目前在全国数千家医疗机构辅助医生开展疾病诊断、手术规划、评估疾病预后等工作。
依托独有的“影像+文本”双AI引擎,深睿医疗一贯注重与各大顶级医疗机构的产学研深度合作,促进成果转化。截至目前深睿医疗在全球知名学术期刊上发表论文累计影响因子近1800,牵头或参与了9项国家科技部重大专项,15项国家自然科学基金项目及30多个省市级科研重点专项。仅2023年,深睿医疗获批两项国家“十四五”重点研发计划,接连在河南省、浙江省、北京市和江苏省等地获得科学技术进步奖等多项殊荣,以创新之力,全面促进产学研深度融合,助力各级医疗机构高质量发展。未来,深睿医疗将继续以多元化的AI产品矩阵,不断拓宽AI在医疗领域的应用场景,促进科研成果向临床应用转化,创造更多的新场景、新模式,开启医疗AI发展的新篇章。
