拓展医疗人工智能的新疆界

医疗水平的发展对于每个人而言都至关重要,随着人工智能技术的快速发展,医疗领域有望在不久的将来取得更大突破.众所周知,癌症已经逐渐成为影响人类健康的“头号杀手”,而尽早诊断可以在一定程度上提高治愈癌症的可能性.近年来,很多企业都专注于利用人工智能辅助医生做出更好决策,从而帮助癌症患者获得更好治疗,依图医疗就是其中之一.其实,除了癌症检测,依图医疗还针对儿童的健康成长问题展开了技术探索.本文将以依图医疗研发的肺癌影像智能诊断系统和儿童生长发育智能诊断系统为例,围绕基本原理、关键技术、临床应用等问题展开深入分析,探寻人工智能在医疗领域的更大可能.

人工智能CT定量分析预测并评估COVID-19肺炎临床分型的研究

目的:评价人工智能CT定量分析预测并评估COVID-19肺炎临床分型的相关性。方法:回顾性分析齐齐哈尔第一医院发热门诊收治2020年2月1日至2021年1月20日COVID-19确诊患者46例的临床及CT影像资料。比较人工智能(AI)定量分析中病灶累及全肺感染体积、磨玻璃密度体积(GGO体积)和实性密度体积(SO体积)与临床分型的相关性。结果:普通型26例、重型16例和危重型4例,临床表现以发热、咳嗽、乏力症状为主。重型和危重型更常见于年龄较大患者。3种临床分型肺部病变的CT表现均以GGO为主;普通型的全肺感染体积、GGO体积、SO体积比重型/危重型患者小,Spearman等级相关性分析显示全肺感染体积、GGO体积、SO体积均与临床分型具有显著相关(0.86、0.87和0.84)。结论:人工智能CT定量指标分析(感染体积、GGO体积、SO体积)与COVID-19肺炎临床分型具有较好的相关性。

人工智能在重大公共卫生事件分级诊疗管理中的作用

在突发重大公共卫生事件中,如何实现快速有效的分级诊疗极其重要。本文通过阐述“智能辅助诊断系统”以及“医学知识小助手图谱”的运用,分析人工智能在重大公共卫生事件中进行分级诊疗管理的赋能作用,人工智能技术有助于促进分级、分层、分流救治,可发挥出分级诊疗的辅助功能,完善国家分级诊疗制度的建设,有力推动应急管理体系与能力现代化的建立。

肿瘤大数据中心和单病种科研平台建设及应用

目的:建立基于医院肿瘤大数据中心的单病种科研平台,为科研工作者提供一个肿瘤数据价值可挖掘、科研流程规范化的工作平台,提高科研效率,增加科研产出。方法:利用大数据技术对医院各业务系统数据抽取、整合,建立肿瘤大数据中心。通过自然语言处理等技术对非结构化文本数据进行后结构化处理,使数据更具分析价值。结果:建成基于数据中心的肺癌、胃癌、乳腺癌、宫颈癌、鼻咽癌、食管癌、直肠癌、结肠癌、肝癌9大单病种的科研平台,实现了科研灵感搜寻、研究对象自动入组、CRF数据智能填充、填充数据及时溯源、科研数据辅助统计等系统化、全流程的科研管理。结论:提升了医院的科研效率并加速成果产出。

人工智能在儿童骨龄影像检测中的应用

目的研究对比证明解决人工判读骨龄存在耗时长、人为主观影响大、结果一致性稳定性差等问题。方法使用G-P图谱法、TW计分法、中华05等方法对骨龄X光影像进行对照,开展人工智能和人工判读、以及人工智能辅助人工判读的研究,并进行多阅片者间差异性研究。结果基于TW3标准,250份儿童骨龄片由人工智能系统与医生对比,TW3-AI模型的平均处理时间为1.5±0.2 s,明显短于医生的525.6±55.5 s,准确性与可靠性上TW3-AI模型与专家判读结果的均方根为0.50年,表明两者高度一致;基于G-P标准,745份生长发育异常病例骨龄,医生平均判读耗时约2 min,AI模型仅需要1~2 s,准确性上,AI系统与金标准相差1岁以内的平均比例为84.60%;基于中华05标准,人工组阅片平均耗时明显高于AI一致性辅助评估。结论儿童骨龄智能检测系统,可在秒级完成儿童骨龄影像分析并给出骨化中心评级、骨龄等量化结果,从而辅助医生快速进行疾病诊断与疗效评价,为儿童内分泌疾病诊疗提供决策依据。

面向新型冠状病毒肺炎临床需求的智能影像评价系统--人工智能在新型冠状病毒肺炎诊断中的应用

影像学特征已经成为新型冠状病毒肺炎(Coronavirus Disease 2019,COVID-19)诊断的重要依据之一,肺炎特征快速识别、肺炎严重程度判定、诊断效率提高是防止疫情蔓延的重要措施。但是COVID-19病情变化复杂,防疫工作量大,导致影像科医生在经验和时间上不能迅速准确地对COVID-19影像进行评估。本文介绍了一种COVID-19智能影像评价系统,可对疾病的严重程度进行分级,并对病灶的影像特征进行定量分析,从而辅助医生快速进行病情分析和疗效评价,为COVID-19诊断、治疗提供决策依据。

血液学检查可早期筛查鼻咽癌放射性甲状腺功能减退高危患者

目的分析鼻咽癌患者血液学检查结合临床因素与放射性甲状腺功能减退(甲减)的关系。方法回顾性分析2015-2018年在中国科学院大学附属肿瘤医院接受放疗的206例鼻咽癌患者,分析一般临床资料、血液学检查与甲减相关性,建立血液学预测模型。结果单因素分析显示性别、N分期、甲状腺体积、平均剂量、V20Gy、V25Gy、V30Gy、V35Gy、V40Gy、V45Gy、纤维蛋白原含量、胆碱酯酶以及中性粒细胞计数与甲减发生率密切相关。多因素分析显示甲状腺体积、纤维蛋白原含量和胆碱酯酶是甲减的独立预测因素。结论联合性别、N分期、甲状腺体积、甲状腺剂量参数、纤维蛋白原含量、胆碱酯酶、中性粒细胞百分比和中性粒细胞计数指标可预测甲减发生率(AUC=0.777)。

人工智能在胸部低剂量CT肺结节检出中的效能评价

目的评价人工智能(AI)软件在胸部CT肺结节检出中的应用价值。方法随机选取2018年8月至10月广州医科大学附属第一医院健康体检人群218例的薄层胸部CT检查资料,由低年资、高年资放射医师及AI软件分别采用低敏和高敏算法分别进行阅片,检测肺结节的位置分布、密度、大小等特征,以2名高级医师在低年资医师及AI的基础上进行诊断的结果为金标准,评估各组的肺结节检测效能。结果共纳入218例胸部CT资料,金标准判定阳性(至少检出1个结节)176例、阳性结节619个。结节在肺叶及肺段的分布为右上叶170个、右中叶60个、右下叶122个、左上叶145个、左下叶122个;结节的密度分布为实性结节471个、钙化结节71个、磨玻璃结节65个、部分实性结节12个;直径大于4 mm的结节231个、小于等于4 mm的结节388个。低敏、高敏算法的AI检出结节的灵敏度(56.70%、78.84%)接近或高于高年资医师(56.38%),显著高于低年资医师(34.25%),低年资医师结合AI辅诊后灵敏度(49.92%)显著提升。AI总体假阳性率较高,低敏AI组和高敏AI组每例CT平均假阳性结节数为0.70个、3.79个。AI对结节的肺段定位准确率较低,均不足80%;而医师诊断结节密度准确率(均>90%)均高于AI(均<90%)。对结节直径的测量,低年资医师与金标准比较差异显著(t=2.73,P=0.007),其余各组与金标准差异均无统计学意义(均P>0.05)。低年资医师结合AI辅诊可以明显加快阅片速度,总阅片时间从12.5 h降至9.9 h。结论AI软件可辅助放射医师检出肺结节,提高诊断的灵敏度和效率。

基于多参数CT成像的食管癌新辅助放化疗病理反应预测

目的建立基于放射组学的生物标记物模型,预测局部进展期食管癌术前新辅助放化疗(nCRT)后病理反应。方法回顾性选取2008—2018年间112例局部进展期食管癌患者,均采用术前nCRT联合手术治疗。收集治疗前增强CT图像,手动描绘病变体积。使用Python软件中pyadiomics插件包提取共670个放射组学特征(包括肿瘤强度、形状和大小、纹理和小波特征),运用逐步回归结合最佳子集方法筛选特征,最后采用Logistic回归模型建立预测模型。通过受试者工作特征曲线下面积(AUC)评估性能。结果全组患者的病理完全缓解率为58.0%(65/112)。最终模型包含10个放射组学特征,与结局相关性最大的为灰度特征(即图像的纹理信息),其次为形状特征和体素强度相关特征。训练集、测试集AUC分别为0.750、0.870,敏感性分别为0.711、0.757,特异性分别为0.778、0.900。结论基于CT放射组学的多参数模型在不额外增加患者经济负担和侵入性操作前提下,能较好地、有效地预测食管癌nCRT病理反应和较好地指导个体化治疗。

鼻咽癌放射性甲状腺功能减退的相关因素研究

目的通过分析甲状腺剂量学参数,探索放疗后甲状腺功能减退(甲减)的主要因素,寻找甲状腺最佳剂量参数。方法收集中国科学院大学附属肿瘤医院206例鼻咽癌放疗患者的一般临床特征及甲状腺、垂体剂量学参数,分析与甲减发生率的相关性。结果鼻咽癌患者放疗后甲减发生率为50.49%(104/206),单因素分析显示性别、N分期、甲状腺体积、Dmean、V20Gy、V25Gy、V30Gy、V35Gy、V40Gy、V45Gy与甲减发生率相关,多因素分析显示甲状腺体积≤12.82 cm^(3)、Dmean是甲状腺功能的独立预测因素。甲状腺Dmean联合体积可显著预测放疗后甲减发生率。结论甲状腺Dmean≤47.21 Gy是放射性甲减的最佳剂量参数,尤其是甲状腺体积≤12.82 cm^(3)患者更需关注放疗过程中对甲状腺的保护。