近日，中科院蘇州醫(yī)工所聯合麗水市中心醫(yī)院、蘇州大學附屬第二醫(yī)院研究團隊開展了一項新的研究。

　　研究結果顯示，與醫(yī)學影像聯合使用的人工智能系統(tǒng)SE-DenseNet與增強核磁共振圖像結合，可以在無創(chuàng)條件下為病患完成癌癥分級。研究團隊表示，將把該技術應用在其開發(fā)的肝癌消融計劃導航系統(tǒng)中，以更準確地輔助制定手術規(guī)劃。

　　肝癌與癌癥分級

　　在原發(fā)性肝癌中，肝細胞癌（HCC）是肝癌的重要分型，占原發(fā)性肝癌的70%~90%，是導致全球癌癥死亡的第三大腫瘤。

　　肝癌的分級對病人的臨床診斷、治療方案選擇以及預后具有重要的臨床意義。

　　不同于大多數腫瘤，肝癌可以通過非侵入性的影像檢查進行確診。目前診斷肝癌的手段有影像檢查、活檢、AFP血清檢查等，其中最常用的醫(yī)學影像檢查包括CT和MR，CT和MR已經被公認為肝膽和乳腺癌等疾病的非侵入性檢查的首選。

　　病理活檢仍是評估病灶惡性程度的必要手段。若能實現基于醫(yī)學影像的病灶分級，則可以在一定程度上對腫瘤的治療方案提供參考意見，能降低診斷對病理活檢的依賴，極大減輕患者的痛苦。

　　但在臨床應用中，分級結果高度依賴于醫(yī)生經驗，具有較大的主觀性。因此，尋求客觀、有效的分級評估方法是一個重要的研究方向。

　　隨著模式識別、機器學習、深度學習等技術的不斷發(fā)展，借助醫(yī)學影像輔助診斷系統(tǒng)，構建深度學習網絡模型，對肝癌進行客觀自動的分級成為目前主流的研究方向之一。

　　AI為肝癌患者無創(chuàng)分級

　　中科院蘇州醫(yī)工所戴亞康研究員、周志勇研究員和周慶等人聯合麗水市中心醫(yī)院紀建松副院長團隊和蘇州大學附屬第二醫(yī)院范國華主任團隊，提出了SE-DenseNet網絡，開展了基于增強MR圖像（層厚3mm~8mm不等）的肝細胞癌惡性程度分級研究。

　　據了解到，該研究從麗水市中心醫(yī)院和蘇州大學附屬第二醫(yī)院獲取了75位病人的增強核磁共振圖像，包括75例動脈期圖像、75例靜脈期圖像、63例延遲期圖像，共213個病灶ROI。

　　研究人員通過結合深度學習中的DenseNet和SENet兩種網絡結構，構建了SE-DenseNet網絡，利用SENet對特征進行權重自學習，從而達到對重要特征的增強的目的，在一定程度上，SE-DenseNet緩解了DenseNet的特征冗余性。

　　SE-DenseNet框架圖

　　實驗結果顯示，SE-DenseNet的分類性能優(yōu)于DenseNet和DenseNet-BC（SE-DenseNet：accuracy=0.83，DenseNet：accuracy=0.72，DenseNet-BC：accuracy=0.66）。

　　研究人員表示，與醫(yī)學影像聯合使用的人工智能系統(tǒng)SE-DenseNet與增強核磁共振圖像結合，可以在無創(chuàng)條件下為病患完成癌癥分級。未來將把該技術應用在其開發(fā)的肝癌消融計劃導航系統(tǒng)中，以更準確地輔助制定手術規(guī)劃。

　　參與此項研究的蘇州醫(yī)工所研究員周志勇曾表示，“相比于傳統(tǒng)通過穿刺進行的癌癥分級，使用‘醫(yī)學影像+AI’分級能更全面地獲取病灶信息，降低漏檢概率。近年來，利用人工智能進行病灶分級的準確性還在不斷提升，說明這項技術應用于疾病診療具有很廣闊的前景?！?/p>

　　另外，據了解，此項研究還獲得了國家重點研發(fā)計劃、浙江省重點研發(fā)計劃和蘇州市民生科技等項目的資助。