刘氏四联疗法以传统中医技术为核心，结合养生学和心理学最新科研成果，在专病专方的基础上辩证论治，因人制宜的原则，经过多年的临床经验..... [详情]
AI 助力肺癌筛查难题
肺癌预后极差，我国肺癌的 5 年生存率仅为 16.1%。2015 年，我国肺癌的发病和死亡例数分别达 733,300 人和 610,200 人，发病率和死亡率非常接近，其原因主要是由于临床诊断病例多已为晚期，失去了手术机会。
因此，肺癌的早期诊断和早期治疗是提高肺癌生存、降低肺癌死亡率的重要措施。
肺癌早期筛查受限于人力
我国于 2009 年启动了肺癌高危人群筛查工作。2011 年，美国国家肺癌筛查试验（National Lung Screening Trial, NLST）结果首次表明，在高危人群中，低剂量螺旋 CT（Low-dose computed tomography, LDCT）相比 X 线胸片可带来降低 20%肺癌死亡率的生存获益。
2015 年，基于 NLST 的研究结果及我国肺癌筛查技术方案制定了中国低剂量螺旋 CT 肺癌筛查指南（2015 版），并于 2018 年修订更新。
随着低剂量螺旋 CT（LDCT）的普及，一方面使肺癌患者得以早诊早治，提高治愈率，另一方面 LDCT 仍存在一些问题。
将 CT 作为筛查手段仍存在较高假阳性率（即 CT 发现的结节可能不一定是恶性，或是极度惰性生长肿瘤）和假阴性率（CT 成像分辨率越来越高，提供的组织学信息越来越多，能够被检测的肺结节体积越来越小，给医师带来极大读片工作量，造成医师疲劳、分心，增加误判和漏判的概率）
近年来，人工智能在图像识别领域发展迅速，在医疗领域已广泛应用于皮肤病、糖尿病视网膜病变、影像学检查等领域，而 LDCT 带来的问题是否能通过人工智能得以解决，或者在多大程度上得到解决还有待探索。
因此，广东省肺癌研究所吴一龙教授/钟文昭教授团队联合国内多家中心，共同开发了基于卷积神经网络算法（机器学习算法一类）的肺结节诊断模型。据悉，该研究成果已被全球癌症领域知名医学期刊《肿瘤学家》（《THE Oncologist》）收录并全文发表。
研究方法：
研究采用了 3 个数据集分别进行建模、训练和验证的工作。
首先，开源的 LUNA16（Lung Nodule Analysis 2016 挑战赛）和 Kaggle（最大的数据科学平台）的肺部 CT 数据集用于卷积神经网络算法模型的建立；
然后，通过广东省人民医院、中山大学附属第三医院、佛山市第一人民医院、广州胸科医院 2015 年 5 月至 2016 年 10 月可获得原始影像数据和病理对照的 820 例病例资料对算法进行训练；
最后，通过广东省人民医院肺癌研究所, 呼吸科及放射科自 2017 年 1 月连续收集的 50 例有病理金标准明确良恶性的肺结节 CT 影像数据对训练好的模型进行验证。
并且研究邀请了 25 位国内多中心，经验丰富的专科医师团队（包括影像，胸外科，呼吸科，肿瘤科等）对这些用于验证的前瞻性 CT 片进行良恶性评估，最终评估的结果直接与训练建立的肺结节诊断模型的分析结果再次进行对比验证。
研究结果：
基于多中心影像数据训练后的模型诊断敏感性和特异性分别达到 84.4%和 83.0%，AUC 为 0.855。同时可以观察到，随着训练图象样本量的增加，模型整体检测灵敏度，特异度以及 AUC 均增加。
基于前瞻性收集的 50 例肺部结节 CT，研究分别对比了医师团队，预训练模型，训练后模型以及 Kaggle 第一位模型算法的诊断效力。
可以看到预训练模型与医师团队评估结果相近，相比于 Kaggle 第一位算法两者均具有更高准确性，而该训练后模型无论在灵敏度（96.0%），特异度（88.0%）抑或是准确度（92.0%）上均较其它三者具有更高的诊断效力。
不同于既往报道未使用真实世界数据或使用病理结果对模型进行深入验证的研究，这项研究使用改进的深度神经网络和具有病理金标准标签的大数据集，对基于深度学习的模型的应用进行了优化，并将其推广到真实医疗环境中，使其敏感性和特异性达到了 84.4%和 83.0%，最大限度地减少了假阳性和假阴性结果。
.jpg)
