AI醫(yī)學(xué)影像研究新突破 為肝癌患者無創(chuàng)分級

近日，中科院蘇州醫(yī)工所聯(lián)合麗水市中心醫(yī)院、蘇州大學(xué)附屬第二醫(yī)院研究團隊開展了一項新的研究。

研究結(jié)果顯示，與醫(yī)學(xué)影像聯(lián)合使用的人工智能系統(tǒng)SE-DenseNet與增強核磁共振圖像結(jié)合，可以在無創(chuàng)條件下為病患完成癌癥分級。研究團隊表示，將把該技術(shù)應(yīng)用在其開發(fā)的肝癌消融計劃導(dǎo)航系統(tǒng)中，以更準(zhǔn)確地輔助制定手術(shù)規(guī)劃。

肝癌與癌癥分級

在原發(fā)性肝癌中，肝細胞癌（HCC）是肝癌的重要分型，占原發(fā)性肝癌的70%~90%，是導(dǎo)致全球癌癥死亡的第三大腫瘤。

肝癌的分級對病人的臨床診斷、治療方案選擇以及預(yù)后具有重要的臨床意義。

不同于大多數(shù)腫瘤，肝癌可以通過非侵入性的影像檢查進行確診。目前診斷肝癌的手段有影像檢查、活檢、AFP血清檢查等，其中最常用的醫(yī)學(xué)影像檢查包括CT和MR，CT和MR已經(jīng)被公認(rèn)為肝膽和乳腺癌等疾病的非侵入性檢查的首選。

病理活檢仍是評估病灶惡性程度的必要手段。若能實現(xiàn)基于醫(yī)學(xué)影像的病灶分級，則可以在一定程度上對腫瘤的治療方案提供參考意見，能降低診斷對病理活檢的依賴，極大減輕患者的痛苦。

但在臨床應(yīng)用中，分級結(jié)果高度依賴于醫(yī)生經(jīng)驗，具有較大的主觀性。因此，尋求客觀、有效的分級評估方法是一個重要的研究方向。

隨著模式識別、機器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)的不斷發(fā)展，借助醫(yī)學(xué)影像輔助診斷系統(tǒng)，構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)模型，對肝癌進行客觀自動的分級成為目前主流的研究方向之一。

AI為肝癌患者無創(chuàng)分級

中科院蘇州醫(yī)工所戴亞康研究員、周志勇研究員和周慶等人聯(lián)合麗水市中心醫(yī)院紀(jì)建松副院長團隊和蘇州大學(xué)附屬第二醫(yī)院范國華主任團隊，提出了SE-DenseNet網(wǎng)絡(luò)，開展了基于增強MR圖像（層厚3mm~8mm不等）的肝細胞癌惡性程度分級研究。

據(jù)了解到，該研究從麗水市中心醫(yī)院和蘇州大學(xué)附屬第二醫(yī)院獲取了75位病人的增強核磁共振圖像，包括75例動脈期圖像、75例靜脈期圖像、63例延遲期圖像，共213個病灶ROI。

研究人員通過結(jié)合深度學(xué)習(xí)中的DenseNet和SENet兩種網(wǎng)絡(luò)結(jié)構(gòu)，構(gòu)建了SE-DenseNet網(wǎng)絡(luò)，利用SENet對特征進行權(quán)重自學(xué)習(xí)，從而達到對重要特征的增強的目的，在一定程度上，SE-DenseNet緩解了DenseNet的特征冗余性。

SE-DenseNet框架圖

實驗結(jié)果顯示，SE-DenseNet的分類性能優(yōu)于DenseNet和DenseNet-BC（SE-DenseNet：accuracy=0.83，DenseNet：accuracy=0.72，DenseNet-BC：accuracy=0.66）。

研究人員表示，與醫(yī)學(xué)影像聯(lián)合使用的人工智能系統(tǒng)SE-DenseNet與增強核磁共振圖像結(jié)合，可以在無創(chuàng)條件下為病患完成癌癥分級。未來將把該技術(shù)應(yīng)用在其開發(fā)的肝癌消融計劃導(dǎo)航系統(tǒng)中，以更準(zhǔn)確地輔助制定手術(shù)規(guī)劃。

參與此項研究的蘇州醫(yī)工所研究員周志勇曾表示，“相比于傳統(tǒng)通過穿刺進行的癌癥分級，使用‘醫(yī)學(xué)影像+AI’分級能更全面地獲取病灶信息，降低漏檢概率。近年來，利用人工智能進行病灶分級的準(zhǔn)確性還在不斷提升，說明這項技術(shù)應(yīng)用于疾病診療具有很廣闊的前景?！?/p>

另外，據(jù)了解，此項研究還獲得了國家重點研發(fā)計劃、浙江省重點研發(fā)計劃和蘇州市民生科技等項目的資助。