新葡亰8883ent内分泌科人工智能研究领域新成果——利用人工智能方法准确诊断垂体微腺瘤,可媲美工作十年的放射科医生

发布人:内分泌与代谢病学科 发布日期:2022-02-10

AI研究新成果

新葡亰8883ent内分泌科陈燕铭教授联合中山大学电子与通信工程学院郭裕兰副教授及新葡亰8883ent大数据中心刘子峰主任,于2021年11月29日在国际著名期刊Frontiers in medicine(IF:5.09)发表了题为“Development and Validation of a Deep Learning Algorithm to Automatic Detection of Pituitary Microadenoma From MRI” 的研究论文。 在国内率先开发了人工智能领域在内分泌垂体瘤早期诊断的临床应用,李庆玲博士、朱延华副主任医师、陈铭林、郭若汨副主任医师为共同第一作者。

研究发现:

使用我们开发的PM-CAD卷积神经网络深度学习算法,构建垂体瘤辅助诊断体系, 可以高效率地利用垂体核磁共振图像(MRI)诊断出垂体微腺瘤(PM),诊断准确率达到94.36%。减轻临床医生工作负荷量,降低误诊率、漏诊率,非常适合向基层医院推广应用。

垂体微腺瘤(PM) 是一种直径小于10毫米的肿瘤,高达10%的人群可能患病,虽然大部分的PM患者是无功能性腺瘤,但是有部分微腺瘤通过分泌ACTH、PRL、LH、FSH等激素引起闭经、泌乳、性功能障碍、骨质疏松、糖尿病和不孕不育等严重后果。甚至有部分患者发展为大腺瘤或巨大腺瘤导致头痛、视野缺损等严重症状才就医。早期诊断、早期发现,并予以明确临床评估、指导治疗,具有重要的临床意义。

研究方法:

本中心共纳入11,935名筛选患者(2012年1月至2021年4月),规范排除标准后,1520名患者 (PM组=556,对照组=964)被纳入研究。分为训练数据集、测试数据集和验证数据集;用于训练和测试的数据集来源于回顾性研究,我们前瞻性的搜集了验证数据集,并在验证中采用了内部验证,包含Validation A1、Validation B人机对比和Validation C误诊病例的进一步验证,和外部验证数据集Validation A2和A3。

PM计算机辅助诊断系统(PM- CAD)由垂体区域检测和PM诊断两部分组成。通过受试者工作特征(ROC)曲线和ROC曲线下面积(AUC)、校正曲线、准确性、敏感性、特异性、阳性预测值(PPV)、阴性预测值(NPV)、F1score等指标衡量PM-CAD系统的诊断性能。

研究结果:

在测试数据集中,PM-CAD辅助诊断系统的诊断准确率为94.36%,AUC为98.13%,在内部验证数据集Validation A1的诊断准确率为96.50%,AUC为95.5%,外部数据集Validation A2和A3中的诊断准确率分别为92.26%和92.36%,AUC分别为94.7%和93.7%。在人机对比中,PM-CAD系统的诊断性能与拥有10年临床经验的放射科医师相媲美(诊断准确率94.0% vs 95.0%,AUC为95.6% vs . 95.0%)。对于假阴性的误诊病例,PM-CAD系统的诊断准确率为100%。同时,我们设计了一个browser-based software(http://www.pituitarymicroadenoma.com)来辅助PM诊断。同时,PM-CAD系统在外部验证数据集中同样取得了好成绩,证明了模型很好的泛化性能,相关成果已申报发明专利,适合向其他医院推广应用。