这个人工智能模型，全球首次建立！

首次建立肝脏血管组学人工智能模型诊断肝硬化门静脉高压

近日，国际放射学顶尖期刊、北美放射学会会刊 Radiology（中科院医学一区Top，SCI IF: 29.146）以Original Article刊发了CHESS多中心研究：基于『肝脏血管组学』人工智能模型诊断肝硬化门静脉高压。CHESS创始人、东南大学附属中大医院院长助理、门静脉高压中心主任祁小龙为本研究通讯作者，复旦大学人类表型组研究院王成彦为第一作者。

1、研究背景

肝硬化门静脉高压的无创诊断是该领域的研究热点（Baveno VII Faculty. J Hepatol 2022）。在前期工作中，CHESS两项研究者发起的多中心研究（CHESS1701、CHESS1802）实现了深度神经卷积网络技术、影像组学技术对临床显著性门静脉高压（CSPH）的无创诊断（Clin Gastroenterol Hepatol 2020；eBioMedicine 2018）。

2、创新点

本研究基于CHESS1701和CHESS1802两项多中心研究队列（NCT03138915, NCT03766880），首次开发了一套基于人工智能CT/MRI肝脏血管组学预测模型的自动化门静脉高压无创诊断方法，包括：

01、自监督的肝脏血管自动三维自动分割网络

02、肝脏血管几何参数的自动提取算法

03、血管结构的关联网络模式分析

04、肝硬化门静脉高压无创诊断模型

本研究分析了肝内血管形态学在CSPH人群中的变化规律，通过组学分析发现了门静脉高压的肝脏血管重新分布特征：CSPH患者血管密度显著降低，尤其是远端血管丰富度明显下降；CSPH患者血管关联度显著增加，考虑为肝脏相邻血管的代偿作用。模型通过特征工程共筛选出肝硬化的关键血管组学指标30余个，并取得了显著优于传统模型的诊断性能。

本研究在213例CSPH患者和310例无CSPH患者的回顾性队列中，构建了肝脏血管组学预测模型，实现了在肝硬化患者中准确识别CSPH（AUC=0.90），并在两个外部测试队列上同样具有较高的诊断能力。

3、研究意义

相比于传统影像组学模型，本研究首次建立『肝脏血管组学』人工智能模型不局限于单模态影像的应用，可以在多模态影像统一预测而无需额外训练和调参，并具有更好的泛化性能，有利于临床的应用和推广。既往人工智能相关技术局限于“黑盒子”，临床医师无法解释其决策过程。

造福更多患者

本研究明确了以血管几何特征诊断肝硬化门静脉高压的可行性，并为模型诊断补充了有力的病理生理学解释，有望快速技术转化并临床应用。

小编团队

策划、审核  程守勤

编排  刘敏

校对  王倩

中大医院融媒体中心出品 

打赏