火狐直播:肺癌印象的人工智能研讨

　　是最常见的恶性肿瘤之一，据美国癌症学会2020年1月发布的数据，肺癌发病率和死亡率均居恶性肿瘤首位，前期确诊与医治可有用前进患者生存率。CT是肺癌筛查和临床确诊最常用的查看办法，在肺癌前期检出和随访医治中有非常重要的效果。跟着低剂量CT肺筛查技能日益遍及，检出的越来越多，放射科医师面对作业量添加、人力弥补缺少、确诊要求前进等多方面应战。近年来，跟着计算机技能的开展与前进，人工智能技能引起了广泛重视。运用人工智能技能协助放射科医师处理上述应战已成为趋势。本文就人工智能技能简介和肺癌印象的人工智能研讨使用等总述如下。

　　人工智能亦称机器智能，指由人类制作的机器所体现出来的智能，通常指经过一般计算机程序手法完成的人类智能技能，以人工神经网络、支撑向量机及卷积神经网络等为代表。人工智能是当时鼓起的革命性新技能，结合医学印象，经过大样本病例的回忆性机器学习练习，然后到达确诊和猜测疾病的意图。

　　人工智能在临床实践范畴是对各种医学图画的确诊和猜测剖析，包含视网膜和皮肤病变的相片、病理显微图画和放射图画等，可前进确诊速度、准确率和陈述质量等方面的印象医学归纳效能。人工智能包含机器学习，深度学习作为机器学习中的先进技能，是当时肺癌印象研讨最常用的办法。深度学习由多个作业层组成，如视觉皮层，作业流程从初始层到最高层。而人工智能运用的深度学习技能可使模型功能不断进步，以更好匹配实际需要，现在在研讨中得到了广泛使用。

　　印象组学首要经过高通量提取医学图画的特征，选用经过处理的特征树立模型来确诊和猜测临床疾病，其流程首要包含图画获取、病灶勾画、特征提取、特征挑选及机器建模。深度学习模型是一个不断学习前进的人工智能办法，与之比较，印象组学模型一经树立，参数不会主动修正，不具有自主学习才能。因而，印象组学不是单纯的人工智能办法，而是归纳运用人工智能的部分技能与统计学剖析，其对研讨目标的样本量要求不如机器学习和深度学习高。从近期文献报导看，其在印象医学与核医学中的研讨使用较广泛。

　　肺癌因其高发病率和死亡率一直是根底和临床研讨的热门。近年来，人工智能技能开展迅速，其对肺癌研讨的内容非常广泛，包含病因剖析、各种确诊（如活检优选、安排病理学、基因分类等）、预后评价及医治方案优选等，首要会集在肺部病灶的检测。

　　运用人工智能技能可前进肺癌的检测功率，加强肺结节患者的办理。SIM等的多中心研讨标明，结合深度卷积神经网络，放射科医师对胸部X线。LIU等的研讨选用卷积神经网络树立深度学习模型，对12754例的CT扫描图画行全主动检测，不论是不同巨细及部位的实性结节，仍是亚实性结节，全主动检测模型的检出敏感度均高于2位放射科医师，模型总阳性率为70.1%，高于2位放射科医师（39.4%和56.6%），但模型存在较高的假阳性（48.4%）。

　　HAWKINS等的研讨讨论基线低剂量CT图画的印象组学剖析检出和猜测肺结节后续癌变的才能，研讨使用美国国家肺癌筛查实验的数据检出肺结节，并经过随机森林分类器获取23个安稳的特征，树立的猜测1年和2年癌变的肺结节模型，准确率分别为80%和79%（AUC分别为0.83和0.75）。

　　传统印象学特征在辨别肺癌的病理类型和基因骤变方面虽有开展，但仍存在较大应战。而凭借印象组学和深度学习等人工智能办法，可提取肉眼无法辨识的图画信息特征，在辨别肺癌病理类型和基因骤变方面具有较好的体现。WANG等回忆性剖析了印象组学技能辨别肺结节良恶性的猜测才能，该研讨在世界开放性数据库——肺部印象数据库联盟与图画数据资源方案中获取593例肺部肿瘤患者的CT图画，定量剖析提取150个印象组学特征，经过数据处理并用支撑向量机建模，最终得出实验组和验证组敏感度、特异度、准确率分别为82.5%、89.5%、86.0%和74.6%、78.9%、76.1%。CHAE等使用印象组学特征回忆性剖析58例滋润性肺腺癌（含微滋润性腺癌7例）和28例滋润前病变（不典型腺瘤样增生4例、原位腺癌24例），经过均匀CT值、CT值标准差、质量、峰度和熵值树立的人工神经网络模型，辨别滋润性与滋润前病变的AUC达0.981。

　　GAO等的研讨显现，CT平扫薄层图画的印象组学纹路特征辨认体现为磨玻璃结节样滋润性肺腺癌的AUC为0.890，与增强扫描（AUC为0.868）均有较高的价值，且两者差异无统计学含义（P=0.1897）。ROIS等使用印象组学技能辨别生长因子受体（epidermalgrowthfactorreceptor，EGFR）阳性和阴性的病例，将印象组学特征（AUC为0.69）与EGFR相关的临床特征（AUC为0.70）结合后，联合模型AUC达0.75，且使用印象组学技能可辨别EGFR阳性和KRAS阳性的肿瘤患者（AUC为0.80）。

　　人工智能技能不仅在肺癌的检出和确诊中有较多的研讨和使用，在猜测肺癌患者预后生存期、放疗及免疫医治反响等方面也有较大开展。SONG等回忆性剖析非小细胞肺癌（nonsmallcelllungcancer，NSCLC）Ⅳ期患者EGFR骤变的肺癌CT印象组学特征（1032个），并建模猜测该类患者承受EGFR-TKI医治的无开展生存期，效果标明，与临床病理特征模型比较，联合印象组学的归纳模型可明显前进临床收益（P＜0.0001）。HUANG等运用印象组学特征回忆性剖析282例前期（ⅠA～ⅡB）NSCLC患者的无病生存期（diseasefreesurvival，DFS），提醒印象组学特征与DFS明显相关，是独立于临床病理危险要素的重要猜测目标，而列线图猜测DFS的C指数为0.72（95%CI0.71～0.73），高于临床病理危险要素C指数0.69（95%CI0.68～0.70）（P＜0.0001）。

　　PYKA等回忆性剖析45例NSCLC患者立体定向放疗材料，从中提取PET/CT图画数据，研讨立体定向放疗与部分复发及生存期的相关性，效果显现熵值和相关性在NSCLC患者T1期（肿瘤直径≤3cm）和T2期（肿瘤直径＞3cm）两亚组中均与肿瘤部分复发有联系，AUC分别为0.801和0.776，且在多元回归剖析中，熵值被认为是疾病相关存活率的独立猜测要素（HR=7.48，P=0.016）。

　　肺癌印象人工智能研讨虽取得了必定效果，但其仍处在开展的初级阶段。因而，需知道其研讨使用的限制性和面对的应战：

　　①样本量问题，大部分研讨根据单中心且例数较少，可能会导致研讨效果偏倚。病例相对缺少也导致大部分研讨选用印象组学办法，而无法选用更智能化的深度学习或机器学习办法。因而，有必要树立多中心大样本的数据库，在此根底上进行相关人工智能的肺癌研讨，可获得更客观、科学的研讨效果。

　　②勾画或符号问题，因为技能原因，许多情况下肺癌病灶无法完成主动勾画或符号，而人工手动勾画、半主动勾画或符号会导致可重复性问题。因为现在尚无大样本支撑深度学习练习主动勾画或符号模型，主动勾画或符号软件没有得到广泛使用。跟着计算机技能的开展及多中心大样本数据库的建成，主动勾画或符号技能将得到广泛验证。

　　③模型的标准化与标准化问题，因处于开展初级阶段，各种模型、软件各具特色和专用性，缺少标准，较难标准、一致，这将导致研讨效果的可重复性和可比性问题。因而，需相关研讨团队尽早协作树立起一致标准的特征计算技能和办法，有利于印象组学特征的研讨和深度学习、机器学习等的高质量模型构建，以便进一步完成目标疾病的高效、精准确诊和猜测。

　　现在常用的肺癌印象人工智能研讨办法是在机器学习技能上开展起来的深度学习，以及与之相关的印象组学办法。人工智能在肿瘤检出、高效确诊和效果猜测等方面均有较高价值，但其尚处于开展初期，存在样本量不大、病灶勾画与符号以手动或半主动为主，以及特征或模型计算办法缺少标准和标准等限制，在肺癌印象中的研讨有待进一步深化。

　　来历：高晨,王世威,许旺盛.肺癌印象的人工智能研讨[J].我国中西医结合印象学杂志,2020,18(03):219-223.