通讯员:中山大学附属第六医院 简文杨 于田
腹膜转移被普遍认为是肠癌的终末期,预后很差。当前,诊断肠癌腹膜转移主要通过影像学手段,敏感性不高,特别是对于5毫米以下的微小腹膜转移病灶。近日,中山大学附属第六医院结直肠外科研究团队和深圳腾讯AI lab开展合作,成功开发出世界上第一个诊断肠癌腹膜转移的AI平台,能够自动识别原发肿瘤特征,同时提取肿瘤临近腹膜的影像学特征,构建基于人工智能的SVM分类器。该AI模型经验证准确性高达94%,敏感性和特异性均高达94%。
此项原创性研究成果以“利用深度学习构建人工智能系统诊断肠癌腹膜转移”为题在Annals of Surgery发表。该院袁紫旭博士为第一作者,王辉教授为最后通讯作者,蔡建副主任医师、影像科曹务腾医生、赵业标医生等在该论文中做出重要贡献。
据了解,作为外科领域的顶级刊物——Annals of Surgery于1885年创刊,刊载了很多外科“里程碑”式的论文,是外科领域的标杆,引领了国际外科的发展方向,目前影响因子10.13分。
肠癌合并同时性腹膜转移的发病率约为5%-10%,复发时合并腹膜转移的发病率为25%-44%。“腹膜转移如果能够早期诊断,可以增加彻底减瘤手术的机会,未来能够明显延长肠癌患者的生存期”,王辉教授说。从2018年开始,该团队就和深圳腾讯AI lab建立了合作关系,着手研发基于卷积神经网络(CNN)的ResNet3D系统,经查,这是世界上第一个诊断肠癌腹膜转移的AI平台,能够自动识别原发肿瘤特征,同时提取肿瘤临近腹膜的影像学特征,构建基于人工智能的SVM分类器。训练组一共纳入了19814张CT图像,验证组包括了7837张CT图像。
研究发现,经过深度学习后的ResNet3D的AI系统仅需花费34秒就自动识别并诊断了所有验证图像。“ResNet3D+SVM分类器”的肠癌腹膜转移诊断的准确性高达94%,AUC为0.922,敏感性和特异性均高达94%,明显优于常规增强CT的诊断能力。
这一成果有何医学临床价值?袁紫旭谈到:“我们研发的AI平台是无创的新型诊断系统,基于腹部肿瘤临床上常规使用的增强CT图像,不仅能够自动识别原发肿瘤特征,还融合了周围临近腹膜的特征,临床实用性很强,为临床医生制订手术方案提供参考,也为肠癌患者选择合适的治疗提供依据。”据介绍,该AI平台可以识别其他医院或中心的影像学图像,因此下一步计划将该AI系统移植到其他医院,利用更大规模的独立队列,进行外部验证来证明其普遍适用性,努力解决肠癌腹膜转移癌诊断困难的世界性难题。