《Radiology》丨北京協和醫院與深睿醫療聯合提出一種提高肺腺癌浸潤程度預測準確性的AI模型

（原標題：《Radiology》丨北京協和醫院與深睿醫療聯合提出一種提高肺腺癌浸潤程度預測準確性的AI模型）

近日,北京協和醫院放射科金徵宇教授和宋蘭教授團隊攜手深睿醫療和香港大學,提出了一種能提高肺腺癌浸潤程度預測準確性的人工智能建模策略,相關成果被國際知名期刊Radiology(IF 19.7)收錄。研究結果表明,通過結合深度學習(DL)和放射組學(Radiomics)的方法對深度學習模型進行融合與優化,同時引入了一種模擬放射科醫生在解決不一致分類時可能使用的決策過程,以集成兩個二元分類模型和一個三元分類模型來依次解決分類衝突,從而提高了模型在肺腺癌浸潤程度方面的預測準確性,特別是在純磨玻璃結節(pGGNs)上的分類性能,通過這種新的模型和策略,研究在外部測試集上實現了對微浸潤性腺癌(MIA)的高準確率預測。新的研究模型對於以往的放射組學模型、深度學習模型以及多模態融合模型均有效,通過早期干預長遠防控等智能化手段,可以廣泛提高早期肺癌篩查與診斷水平。

肺癌是世界範圍內發病率和病死率最高的惡性腫瘤之一。根據2024年2月2日國家癌症中心發佈的數據顯示(JNCC,2024),2022年我國癌症新發病例約482.47萬,新增癌症死亡病例約257.42萬。無論男女,肺癌的發病率和死亡率均居於榜首,肺癌的早篩早診早治刻不容緩。其中,肺腺癌佔比近四成。

根據浸潤程度(或者叫侵襲性),肺腺癌可以劃分爲腺體前驅病變(包括非典型腺瘤樣增生AAH和原位腺癌AIS)、微浸潤性腺癌(MIA)和浸潤性腺癌(IAC),其中AAH/AIS根據WHO2021最新指南,推薦保守治療;而MIA和IAC則需要臨牀早期積極干預。肺腺癌的浸潤性程度在術前評估中對於臨牀決策意義重大。同時,磨玻璃結節(GGN)相比於實性結節(SSN),具有緩慢生長的特性,術前浸潤性評估困難,因此準確評估GGN臨牀價值更大。目前針對肺腺癌的浸潤性進行評估的研究中,普遍數據規模比較小,並且大多研究方法針對特定的影像學表現,對於微浸潤性腺癌(MIA)這一類評估效果不佳或不進行評估。

(圖1)方法流程圖

紅框部分顯示了本研究提出的分段式的層級化決策模式

如圖1紅框部分所示,研究首先構造了兩個二分類模型(Binary Model),一個用於區分AAH/AIS/MIA和IAC,另一個用於區分AAH/AIS和MIA/IAC,對於同一個病竈,兩個Binary Model分別給出預測結果,當預測結果一致時,則直接輸出最終結果;當預測結果有分歧時,則使用第三個三分類模型(Ternary Model)進行決策。本研究的訓練數據來自4483個患者共計4929個肺腺癌病竈,在此基礎上建立了6個用於分類浸潤前、微浸潤性和浸潤性腺癌的三元模型。通過優化結構、聯合學習和決策模型,逐步修改基於DL的模型,將兩個二元模型與一個三元分類模型相結合,依次解決不一致的分類。這樣一套分段式的層級決策模式應用於以往的組學模型、深度學習模型和多模態融合模型,經過內外部測試集效果證明,該模式可以提高所有模型的預測效果,同時還能提高模型預測的一致性,從而可以成爲未來肺腺癌浸潤性預測模型的通用組件。這項研究還得到了加州大學舊金山分校的Jae Ho Sohn教授和Brandon K. K. Fields醫生的積極評價。

(圖2)本研究提出的分段式決策模式的推理過程示意

深睿醫療運用AI創新技術,積極參與到區域多層次、立體化重大慢病防治體系建築中,將疾病診斷關口前移,爲疾病早篩查、早診斷、早治療提供智慧化管理手段,實現了重大慢病篩查效率、質量、成果三提升。旗艦產品睿影胸部CT影像全流程智慧解決方案,對呼吸系統影像進行智能分析,實現一站式胸部CT影像的多徵象精準檢出、定量測量、定性分析、三維重建和智能隨訪,完成結構化報告與膠片打印。該產品目前在全國數千家醫療機構輔助醫生開展疾病診斷、手術規劃、評估疾病預後等工作。

依託獨有的“影像+文本”雙AI引擎,深睿醫療一貫注重與各大頂級醫療機構的產學研深度合作,促進成果轉化。截至目前深睿醫療在全球知名學術期刊上發表論文累計影響因子近1800,牽頭或參與了9項國家科技部重大專項,15項國家自然科學基金項目及30多個省市級科研重點專項。僅2023年,深睿醫療獲批兩項國家“十四五”重點研發計劃,接連在河南省、浙江省、北京市和江蘇省等地獲得科學技術進步獎等多項殊榮,以創新之力,全面促進產學研深度融合,助力各級醫療機構高質量發展。未來,深睿醫療將繼續以多元化的AI產品矩陣,不斷拓寬AI在醫療領域的應用場景,促進科研成果向臨牀應用轉化,創造更多的新場景、新模式,開啓醫療AI發展的新篇章。