任杰教授团队联合清华大学陈挺教授团队、北京邮电大学王光宇研究员团队研发全自动人工智能综合解决方案辅助超声诊断肝癌

近日，新葡亰8883ent超声科任杰教授团队联合清华大学计算机科学与技术系陈挺教授团队、北京邮电大学信息与通信工程学院王光宇研究员团队，在生物信息学期刊Briefings in Bioinformatics（IF=13.994）发表题为“Improving artificial intelligence pipeline for liver malignancy diagnosis using ultrasound images and video frames”的研究成果。研究针对目前超声影像组学中手动分割图像的重复性及效率低下，以及对静态图像的分析遗漏超声检查过程中动态图像的信息等问题，研发了一种全自动的人工智能综合解决方案（Fully automated artificial intelligence pipeline，以下简称“FAAIP”）。该解决方案在大数据驱动下可直接对肝脏的超声静态影像及动态影像进行全自动的分析，无需人工辅助和标注图像，对肝脏的局灶性占位病变（focal liver lesions，以下简称“FLLs”）进行自动识别，并使用血清学信息对模型进行引导训练，最终可利用肝脏的超声影像无创地诊断患者是否存在FLLs，并且可对FLLs的良恶性以及病理类型进行诊断，进而检出肝癌人群。

图1 文章信息

肝癌是全球第六大常见癌症、第四大癌症死亡原因。在中国，肝癌所致死亡人数超过所有肿瘤相关死亡人数的一半。肝癌的早期检出及诊断非常重要，早期、及时的治疗可有效改善患者预后。腹部超声检查是一线影像学筛查方法，但诊断准确性依赖于临床医生的经验。随着计算机技术的不断发展，计算机辅助诊断系统能够帮助提高影像诊断的准确性，是改善超声检出FLLs及诊断肝癌的关键。

目前，计算机辅助超声诊断肝癌已取得一定进展，但仍存在一定的局限性，例如缺少外部验证，需要对超声图像进行手动分割，使用不同超声仪器、不同病变肝脏的形态、FLLs的大小及位置等导致超声图像的异质性，以及仅分析静态图像而遗漏超声检查过程中的大量动态图像的信息，极大限制了既往研发的计算机辅助诊断系统在临床的广泛使用。

为解决上述问题，本研究研发的FAAIP，通过纳入国内三个数据集约1.1万余例健康人及FLLs患者，共5.0万余张肝脏超声图像（包括静态与动态图像）进行大数据的训练和验证。FAAIP检出FLLs在训练集中可达到AUC=0.990的精度，在外部验证集中可达到AUC=0.945的精度。FAAIP通过结合血清学信息诊断恶性FLLs即肝癌在训练集中可达到AUC=0.968的精度，在外部验证集中可达到AUC=0.885-0.928的精度。借助FAAIP的辅助，还可对FLLs的病理类型进行分型诊断，亦可达到AUC=0.692-0.930的精度。相比于既往研究研发的辅助诊断系统，FAAIP无需人工勾画FLLs，更具有临床可推广性。在与12位超声科医生进行的人机对抗中，FAAIP与中等年资的超声科医生具有同等的诊断能力，且明显优于低年资医生。不仅如此，FAAIP辅助可明显提高中等年资及低年资医生的诊断准确性，可降低高年资医生约79.6%的工作量。

图2 全自动的人工智能综合解决方案（FAAIP）的研发及验证流程。A. FAAIP的研发及验证流程；B. FAAIP对肝脏超声图像分割的训练框架；C. FAAIP对超声动态图像的分析模型

由此可见，FAAIP对于超声图像中FLLs病灶检出、良恶性鉴别诊断到病理分型，均具有很高的诊断效能。同时，FAAIP可有效辅助超声科医生检出肝癌人群，尤其是对于经验少、年资低的医生，可有效提高他们的诊断水平，进一步提高肝癌人群早期筛查的效率及准确性。

清华大学计算机科学与技术系许一鸣博士、新葡亰8883ent超声科郑博文博士及清华大学计算机科学与技术系刘晓鸿博士为共同第一作者。

肝脏病学是新葡亰8883ent的传统优势学科。超声科在郑荣琴、任杰、张新玲等教授的带领下，与国内外多个著名实验室、学科开展了紧密合作，取得了多项创新性成果，奠定了新葡亰8883ent无创性诊断肝脏疾病的国际知名地位，为今后学科建设的纵深发展奠定了良好的基础。

文章链接：https://doi.org/10.1093/bib/bbac569