纵隔肿瘤难诊断？大数据“训练”出精准诊断模型

近日，由广州医科大学附属第一医院国家呼吸医学中心主任何建行教授团队牵头，联合清华大学、天河二号超算中心及全国24家医疗中心共同合作开发，运用跨学科多中心人工智能方法， 在国际上首次构建了基于胸部CT的泛纵隔肿瘤检测及诊断模型，检测AUROC超过97%，诊断top3准确率近80%。  

图1  研究题目及作者

该研究成果在国际顶级学术期刊这项研究成果近期在国际顶级学术期刊《柳叶刀 – 数字健康》The Lancet Digital Health(影响因子30.8)上正式发表。

据该团队介绍，在隐私保护的联邦学习的基础上组织了多中心的全国合作，开发了基于胸部CT的高效人工智能（AI）泛纵隔肿瘤诊断系统CAIMEN，基于大数据辅助精准诊断纵隔肿瘤及纵隔区域的相关疾病。

研究的主要共同完成人为广州医科大学附属第一医院何建行教授、梁恒瑞博士；清华大学脑与认知科学研究院戴琼海院士、徐枫副教授、郭雨晨副研究员、唐瑞杰博士；上海交通大学附属胸科医院李志刚教授、刘智超博士；浙江大学医学院附属第一医院林旭博士。

何为纵隔肿瘤  

通俗来讲，纵隔位于颈部以下、腹部之上、双肺之间。纵隔里有许多器官，包括心脏、食管、气管、年轻时期的胸腺、神经等。纵隔肿瘤则是一个统称，是指发生于纵隔内各种组织器官的肿瘤。

纵隔内组织和器官较多，纵隔肿瘤的种类繁多，临床病例数量却比较有限，存在“漏诊”情况，这也成为临床医生鉴别诊断的“难点”和“痛点”。

近年来，尽管随着胸部CT筛查的推广普及，纵隔肿瘤的发病率有所增长，但往往真正得到确诊时已经是中晚期，某些恶性纵隔肿瘤的预后极差。因此，纵隔肿瘤的早发现及准确诊断至关重要。

“训练”模型助精准诊断  

图2 研究人群及联邦学习设计  

为了提高对于纵隔肿瘤的早期诊断，解决这些困难，该研究团队集合大数据“训练”出这款高效人工智能泛纵隔肿瘤诊断系统，从国内15个省，共计24个中心建立了目前国际上最大的纵隔肿瘤影像学数据库，共计近9000例，超过40种（包括罕见类型）的各类纵隔肿瘤，并创新性地提出了“多视角融合的检测分割算法”、“ 二元决策树分类算法”、“增强CT迁移学习”等数据训练方法，有机地结合了医学影像信息以及既往获得的医学先验知识，提高了分割及分类模型的精确性，从而能够准确判断出纵隔肿瘤的位置、大小等，潜在减少漏诊的可能性。    

图3 CAIMEN的纵隔肿瘤检测表现

通过数据比较证明，开发出来的CAIMEN系统在纵隔肿瘤诊断准确率方面可以辅助人类专家达到更高的水平。对于良性肿块和恶性肿瘤分类，CAIMEN系统具有相当12.7年经验人类专家的区分能力。

图4 CAIMEN与人类专家的能力比较  

此外，研究团队开发的CAIMEN系统代码也已开源，为全球不同国家和地区的放射科医生和胸外科医生精确诊断纵隔肿瘤及纵隔区域内病变提供有效的帮助。

医工结合新突破

值得一提的是，跨学科合作研究在解决现代医学问题上显得越来越重要，尤其是近年来人工智能学科的爆发性突破，在改善人类健康方面可能起到巨大的作用。

在这中间，临床医学科学家和数据科学家的精诚合作是推动相关研究的关键，何建行教授领衔的国家呼吸医学中心胸外科团队和戴琼海院士领衔的清华大学软件工程团队从2020年合作至今，在新冠防治、全肺疾病AI诊断、泛纵隔肿瘤AI诊断以及胸外科手术等多个领域产生多项创新的成果。两个专家团队各发挥所长，合作默契，在数字智能呼吸健康方面做出了积极贡献。    

微信视频预览查看

广州医科大学附属第一医院

编辑：禾安

责编：阿如