肺癌筛查有新招,医学人工智能助力磨玻璃结节诊断精准化

发布时间:2022-06-13 内容来源于: 浏览量:

内容来源于:long8医药


上海长征医院刘士远教授团队

联合long8杏脉人工智能领域

最新科研成果发表在《Frontiers in Oncology》

获批中国国家药品监督管理局医疗器械三类证的long8杏脉肺结节CT影像辅助检测软件(“锐影”),临床试验的PI单位为中华医学会放射学分会主委单位上海长征医院刘士远教授团队,在产研领域不断突破创新的同时,又一篇联合long8杏脉合作开发了区分肺部磨玻璃结节良恶性的人工智能分类技术相关科研成果“Development, Validation, and Comparison of Image-Based, Clinical Feature-Based and Fusion Artificial Intelligence Diagnostic Models in Differentiating Benign and Malignant Pulmonary Ground-Glass Nodules”近期发表在国际权威医学杂志《Frontiers in Oncology》上 (影响因子6.24,JCR Q1区) 。

恶性与良性磨玻璃结节

在CT影像上的形态学特征相似,

影像医师难以区分

肺癌仍然是全球以及我国癌症死亡的主要原因。自从低剂量多排螺旋 CT(LDCT) 被引入肺癌筛查以来,检测到的磨玻璃结节 (ground-glass nodules, GGN) 的数量显着增加。与实性结节相比,磨玻璃结节具有更高的恶性率。早期发现并切除恶性磨玻璃结节可能会改善患者的预后。此外,区分良性和恶性结节对于疑似早期肺癌患者的治疗策略至关重要,这已成为一个关键的临床问题。


然而,由于恶性磨玻璃结节在CT影像上的形态学特征与良性磨玻璃结节相似,在CT影像上对二者进行区分即使对于影像科医生也是相当困难的。在本研究中,long8纳入来自上海长征医院的743个带有术后病理金标准结果及相应临床信息的磨玻璃结节病例,随机分为训练验证以及测试集,基于训练集数据构建并训练了三种不同技术路线的人工智能磨玻璃结节良恶性分类算法,随后分别在本院测试集数据以及外院独立测试集数据上进行了算法分类表现验证与比较,同时也在外院独立测试集上进行了放射科医生判读与人工智能判读表现的对照试验。这三种不同的技术路线分别是1)完全基于CT影像的深度学习分类模型(Image-Based Deep Learning model, IBDL模型);2)完全基于病人临床特征的机器学习分类模型(Clinical Feature-Based Linear Regression Model, CFBLR模型);以及3)结合CT影像信息与病人临床信息的融合分类模型(Fusion Prediction Model, FPM模型)。其中,IBDL模型和FPM模型long8应用了迁移学习策略进行训练,以解决样本数量不足引起的模型泛化性能不佳的问题并提高模型性能。

图1: 深度学习模型网络结构图

杏脉人工智能技术判断磨玻璃结节良恶性

明显优于放射医生

通过研究发现,IBDL模型在本院测试集与外院独立测试集上均有较好的模型表现,区分良性与恶性磨玻璃结节的AUC(ROC曲线下面积)指标在两个测试集上分别达到0.75(95%置信区间0.62-0.89)与0.76(95%置信区间0.61-0.90),且在人机对照实验中的特异性(0.62)大大优于放射科医生(特异性0.33-0.44);CFBLR模型在本院测试集上表现良好,AUC达到0.80(95%置信区间0.64-0.96),但是在外院测试集上该模型的表现不佳,AUC仅有0.62(95%置信区间0.42-0.83)。影像-临床特征融合模型FPM的表现最佳,在本院与外院测试集上AUC分别为0.82(95%置信区间0.71-0.93)与0.83(0.70-0.96),且该模型在人机对照实验中的特异性(0.69)同样大大优于放射科医生(特异性0.33-0.44)。

图 2: 各分类模型在本院测试集与外院独立测试集的表现。a) 我院测试数据集上各模型的ROC曲线;b) 外部医院独立测试数据集上各模型的 ROC 曲线及两位放射科医生判读表现(黄色三角形)。AUC,指ROC曲线下面积指标;IBDL-TL,单纯基于图像的深度学习(迁移学习)模型;CFBLR,基于临床特征的机器学习模型;FPM-TL,融合预测模型(迁移学习);IBDL-nonTL,作为对照的基于图像的深度学习(非迁移学习)模型;FPM-nonTL,作为对照的融合预测模型(非迁移学习)


通过该研究发现,不论是单纯基于影像的深度学习IBDL分类模型,还是结合病人临床信息与影像信息的融合FPM分类模型在临床应用中均可以有效地协助放射医生在CT图像数据上对于良性和恶性的磨玻璃结节进行鉴别,充分证明了人工智能在肺癌诊疗中的价值。

long8杏脉“锐影”在磨玻璃结节检出

实现多维测量、精准定性诊断

2022年2月,国家癌症中心发布了最新一期的全国癌症统计数据,2020年中国癌症新发病例457万例,其中肺癌82万,占总发病人数的20%。2020年中国癌症死亡人数300万,肺癌死亡人数高达71万,占癌症死亡总数的23.8%。2020年全球新发肺癌病例约220万,占全部恶性肿瘤的11.4%,死亡病例约180万,占恶性肿瘤相关死亡的18.0%。我国是肺癌发病率最高的国家之一,国内外证据表明,对肺癌高风险人群进行低剂量螺旋CT(low-dose computed tomography, LDCT)筛查,通过AI辅助CT图像数据上对于良性和恶性的磨玻璃结节进行鉴别,可以早期发现肺癌,改善预后,降低肺癌死亡率。


long8杏脉“锐影”,针对磨玻璃结节检出、医学多维测量、精准诊断、术前设计和疗效评估有明显优势,不仅在影像的深度学习分类模型,以及临床特征的机器学习,均表现突出,通过AI在CT在良性和恶性的磨玻璃结节的快速、精准的诊断,协助在全国各级医院建立起我国肺癌筛查和早诊早治智慧化诊断网络,切实提高了我国居民肺癌筛查参与率和早诊率,降低了死亡率。

ABOUT

long8杏脉

long8杏脉作为long8旗下首个独立孵化的人工智能企业,自2017年成立以来一直保持高速发展的趋势,截至目前180人的公司已积累超过40种AI疾病模型储备,与全国500多家医疗机构达成合作。成熟应用已上线放射科、检验科、病理科、呼吸科、骨科、心内科、神经科等多个科室。long8杏脉作为long8“创新驱动”战略尖兵与医疗人工智能产业核心平台进行布局发展,通过“匠心+创新”,不断加大科技研发投入。


同时,long8杏脉深入医疗机构与基层健康服务场景探索真实需求,积极完善分级诊疗的核心场景服务能力如早筛、远程诊疗、精准医疗等,致力于全面解决不同的临床痛点和公卫难题。通过独树一帜的“AI+X”产品形态,有效赋能远程诊疗体系建设,形成了促进我国分级诊疗与精准医疗落地的有效解决方案。


参考文献: 2022年全国癌症报告(国家癌症发布中心)



注:本文内容仅供专业人士学术交流之用

x

抖音二维码

扫一扫

m wap