Full text · 原文
964 字
癌细胞是否转移到淋巴结，是评估癌症患者病情的重要参考，也直接关系到治疗方案的选择。近日，复旦大学附属中山医院联合阿里达摩院等多家单位研发出淋巴结检测AI模型DeepENE，可准确区分良性淋巴结、转移性淋巴结和淋巴结包膜外侵犯（ENE），诊断性能显著优于人类专家，为 AI在头颈部肿瘤影像诊断的临床转化提供了高质量循证依据。相关论文在国际顶级医学影像杂志《放射学》（Radiology）上发表。<br>
喉鳞状细胞癌与下咽鳞状细胞癌（LHSCC）是两种位置邻近的常见恶性肿瘤，2022年全球新发病例25万例，死亡逾13万例。是否出现淋巴结转移，特别是更严重的淋巴结包膜外侵犯对于制定治疗方案、评估患者预后至关重要。然而，受限于头颈部淋巴结密集重叠、早期ENE影像征象变化微小等因素，医生从术前CT扫描中判读淋巴结转移的准确性波动很大。<br>
为此，复旦大学附属中山医院耳鼻咽喉头颈外科黄新生、沈纳团队联合达摩院等构建了高质量的淋巴结训练数据集，共评估289例喉癌、下咽癌患者的1954枚经病理证实的淋巴结，以及32例口腔鳞癌患者的409枚淋巴结。达摩院资深算法专家金达开表示，DeepENE采用创新的双流2.5D多尺度深度特征融合和联合优化网络，能有效融合淋巴结的局部和全局特征，精准区分良性淋巴结、转移性淋巴结和ENE淋巴结。<br>
AI模型在三个外部测试集中，AUC分别达到0.96、0.87和0.90，整体表现稳定优异，优于5位头颈部医学影像专家。尤其是在早期ENE占比高、诊断难度最大的外部测试集中，AI模型的AUC和敏感性分别达到0.87和78%，显著高于人类专家的平均AUC（0.66）和敏感性（36%）。<br>
联合研究团队表示，新版AJCC指南已将ENE阳性列为N3b期，直接影响治疗方案选择。DeepENE有效解决了传统人工判读的诸多痛点，有望协助临床医生制定个性化治疗方案，令喉癌、下咽癌患者获益。未来，双方将进一步把AI模型整合进现有的临床工作流程，验证其在真实世界临床决策中的价值。<br>
据悉，达摩院长期投入医疗影像AI，先后突破胰腺癌、胃癌、主动脉夹层等重大疾病的筛查难题，相关成果三次登上国际顶级医学期刊《自然·医学》，并获FDA“突破性医疗器械”认定。目前，达摩院已为全球9个国家和地区的医疗机构提供超5000万人次医疗AI服务。