基于CT临床放射组学列线图与深度学习鉴别非典型肺错构瘤和肺腺癌

目的 探讨临床放射组学列线图(CRN)和深度学习卷积神经网络(DCNN)对非典型肺错构瘤(APH)和非典型肺腺癌(ALA)的鉴别诊断价值。方法 从两家医疗机构回顾性收集307例患者。机构1的患者按照7∶3的比例随机分为训练集(n=184:APH=97,ALA=87)和内部验证集(n=79:APH=41,ALA=38),机构2的患者作为外部验证集(n=44:APH=23,ALA=21)。分别建立CRN模型和DCNN模型,并采用德隆检验和受试者工作特性曲线(ROC)对两种模型的性能进行比较。通过人-机竞赛评估人工智能(AI)在肺结节Lung-RADS分类中的价值。结果 DCNN模型在训练集和内、外部验证集中的曲线下面积(AUC)均高于CRN模型(0.983 vs 0.968、0.973 vs 0.953、0.942 vs 0.932),但差异无统计学意义(P=0.23、0.31、0.34)。在放射科医师-AI竞争实验中,AI倾向于下调APH组中更多的Lung-RADS类别,并肯定ALA中更多的Lung-RADS类别。结论 DCNN及CRN在区分APH和ALA方面具有较高价值,前者表现更优;AI在评价肺结节的Lung-RADS分类方面优于放射科医师。

构建生命健康领域产学研深度融合创新体系

2021年5月28日,习近平总书记在两院院士大会、中国科协第十次全国代表大会上指出,“创新链产业链融合,关键是要确立企业创新主体地位要增强企业创新动力,正向激励企业创新,反向倒逼企业创新”,强调科技领军企业“要发挥市场需求、集成创新、组织平台的优势,打通从科技强到企业强、产业强、经济强的通道”,为实现高水平科技自立自强、加快建设科技强国指明了方向。