肿瘤诊疗新方向：人工智能与数字化医学图像

<正>近年来,癌症已成为严重威胁人民生命健康的重大疾病,据国家癌症中心统计,中国每年新增癌症病例超400万例,新增癌症死亡病例超240万例,癌症负担随老年化进一步加剧[1]。癌症的早期发现与精准诊疗对改善患者总体生存至关重要。肿瘤精准医疗的目的是实现实时动态的肿瘤诊断,制定个性化的肿瘤预防和治疗方案,提高患者生活质量[2]。但肿瘤在时间和空间上的高度异质性,导致相同临床分期的患者疗效和预后存在巨大差异。因此,精准量化肿瘤异质性,     

乳腺分叶状肿瘤全数字化乳腺摄影表现与病理对照分析

目的:分析乳腺分叶状肿瘤(PTB)的全数字化乳腺摄影(FFDM)表现,以提高对该病的认识。方法:回顾性分析经手术病理证实的25例PTB的FFDM表现及临床资料,并与病理学分级结果相对照。结果:(1)25例PTB患者中,病理学分级为良性、交界性、恶性的百分比依次为40%、16%、44%;(2)FFDM主要表现为分叶状肿块,占88%;肿块边缘呈部分光整部分模糊为主,占64%;肿块最长径多大于3 cm,占68%;肿块周围异常血管显示率为68%;肿块伴钙化的发生率为24%,以良性多见,多表现为粗大散在斑状钙化;(3)FFDM诊断与病理诊断符合率为68%。结论:FFDM表现对PTB的诊断具有一定的指导意义。     

人工智能在肿瘤病理诊断及临床决策中的展望

癌症管理涉及疾病诊疗的全过程,包括早期检测、肿瘤诊断、测定肿瘤边缘、跟踪肿瘤演变、预测肿瘤复发及评估患者转归等.病理学作为一门探索疾病病因、发病机制、形态结构、功能和代谢等的传统学科,是肿瘤诊断的金标准,参与了癌症管理的整个过程.人工智能在病理学中的应用为癌症管理提供了强有力的工具,病理人工智能在疾病诊断/辅助诊断、精准医疗和生命探索中都将起到重要作用.     

全数字化乳腺摄影应用体会

目的 探讨全数字化乳腺摄影在临床工作的应用价值及体会.方法 收集300例2010年8月～2011年4月全数字化乳腺摄影的图片,经过病理证实基本位置为CC和MLO,必要时加局部点片侧位片.结果 乳腺癌9例癌前病变3例,22例纤维腺瘤,22例囊性增生.结论 FFDM对于检查乳腺疾病是非常重要,特别是未触及肿块的乳腺癌和癌前病变.     

全数字化放射科的观念、策划及管理

全数字化放射科是指在放射科内实行数字化采集、存储、传输、浏览及管理。以无胶片化、无纸化的信息化模式 ,取代传统放射科以胶片基实物和手工方式进行的图像和文本存储、传输和管理模式。我们从 1 992年开始关注ＲＡＣＳ在国外的发展动向 ,从 1 996年组建并实现一套ＤＩＣＯＭＭｉｎｉ ＰＡＣＳ ,1 999年 8月开始全数字化放射科规划 ,至 2 0 0 1年3月成功实现全数字化放射科的构建运行及管理。以下就观念、策划及管理在数字化放射科建设中的意义和作用作简单介绍 ,希望对从事数字化放射科建设的国内同道们有所帮助。观念2 0世纪最后 2 0年…     

立位全脊柱数字化成像的进展

立位全脊柱成像技术拍摄生理功能状态下的全脊柱影像，其长度超出常规的成像规格。数字化、网络化已经成为医学影像发展的方向，全脊柱图像的数字化保存、传输和自动化测量也势在必行。在现有设备的条件下，对常规的数字化图像合成是解决数字化全脊柱成像的有效途径。     

全数字化乳腺摄影对乳腺癌的诊断意义

目的 探讨全数字化乳腺X线摄影对早期乳腺癌诊断的应用意义.方法 收集经手术及病理证实的早期乳腺癌50例,全部病例均采用全数字化乳腺X线摄影.结果 42例扪及肿块的乳腺癌中,浸润性导管癌30例,髓样癌6例,黏液腺癌4例,浸润性小叶癌2例.8例未扪及肿块的乳腺癌中,导管原位癌3例,导管浸润癌3例,小叶原位癌2例.结论 全数字化乳腺X线摄影能清晰显示乳房各个层次,对发现早期乳腺癌具有重大价值.     

短暂全脑缺血的成年大鼠眼底荧光造影和病理形态改变

目的建立短暂全脑缺血的成年大鼠视网膜微循环缺血模型。方法选取实验动物为Wistar雄性大鼠5只,采用Pulsinelli经典的大鼠四血管结扎模型,烧灼双侧椎动脉后,结扎双侧颈总动脉,缺血10 min后解除夹闭的缺血装置,恢复脑血流。对成活大鼠模型制成后,经麻醉、散瞳,行眼底荧光造影和病理形态检查,观察成年大鼠短暂全脑缺血的视网膜改变。结果全部5只短暂全脑缺血实验大鼠均显示视网膜微循环缺血,缺血大鼠眼底荧光造影:视网膜血管放射状充盈不完全;病理形态改变:视网膜血管不同程度充血,视网膜节细胞层少数细胞胞浆空泡变性。结论构建了视网膜微循环缺血实验模型,为今后临床药物的相关研究提供了理想的实验动物模型。     

全数字化摄影对500例女性乳腺影像检查结果分析

目的 探讨全数字化摄影在女性乳腺检查中的应用,并对检查结果进行分析,以提高乳腺疾病的诊断率.方法 使用飞利浦全数字化乳腺摄影机对500例门诊及体检的妇女进行检查,摄片采用常规头尾位和内外斜位等,并对所测部位及症状形态做总结分析.结果 500例检查妇女中有43例患乳腺癌,检出率为1.68%,其中左乳24例,右乳19例;上象限27例(62.8%),下象限11例(25.6%),乳晕中央区5例(11.6%);肿块29例(67.4%);结构紊乱7例(16.3%);恶性钙化16例(37.2%);局限致密影9例(20.9%).结论 全数字化乳腺摄影在乳腺的结构及密度方面敏感性高,对发现和诊断乳腺癌有重要的临床价值.     

不典型乳腺癌全数字化乳腺摄影影像诊断

目的:探讨不典型乳腺癌全数字化X线摄影表现特征及诊断意义。方法:收集2008年3月-2011年3月期间156例经手术病理证实的乳腺癌资料,其中29例影像表现不典型。全部病例均采用全数字化乳腺机检查,检查体位常规采用CC位(头尾位)、MLO位(内外侧斜位),必要时加摄侧位片及局部点压放大片。对临床未触及包块者,均行术前定位。结果:29例中,星状影3例,整体性非对称性乳腺组织增厚5例,小灶致密影18例,无确切病灶3例。结论:认识乳腺癌的FFDM不典型X线表现,有助于提高乳腺癌影像诊断正确率。     

人工智能技术在医学影像中的应用讨论

深度神经网络是新一代人工智能技术,其在自然语言处理、学习能力、计算机视觉上将机器的认知能力推向了新的高度。目前,深度神经网络在医学影像中的应用主要集中在发现异常、量化测量和鉴别诊断3个方面,基于深度神经网络的医学影像研究已涉及放射影像、病理图像、超声影像、内镜影像等多个领域。深度神经网络在一些任务场景中已展现出与医师相当甚至超越医师的表现。在人工智能技术高速发展的大环境下,医师群体应客观冷静地看待技术、科学严谨地评价技术、积极开放地参与技术的提升与应用,成为技术的驾驭者,走向人工智能技术辅助下的医疗服务未来。     

人工智能技术在宫颈癌筛查和精准临床诊疗中的研究进展

宫颈癌的发病率和死亡率均高居女性恶性肿瘤的第4位,且呈年轻化趋势。由于不同地区资源分布不均,患者防治效果存在较大差异,因此需探索适宜不同资源地区的新型诊疗手段,加快推进宫颈癌防治工作。人工智能（artificial intelligence,AI）是一门研究开发计算机程序来模拟、延伸和拓展人行为的科学,近年来在图像分析方面表现优异,在癌症精准筛查、诊断及指导治疗方面展现了巨大潜能,但是目前仍然存在较大的问题及挑战,不可能完全代替医生诊断。本文通过对AI技术在宫颈癌早期筛查和精准临床诊疗方面的研究进展进行总结,以期为患者个性化治疗提供参考,提高患者临床疗效。     

基于深度学习算法人工智能肺癌病理诊断模型的开发和应用

目的 基于深度学习算法开发一种能够分析肺组织病理切片并实时给出辅助诊断的人工智能模型。 方法 回顾性收集2019年7月至2020年2月于上海市同济医院胸外科、呼吸科及上海市肺科医院超声科通过手术或活检获得肺部病变组织标本患者的资料,选取苏木精-伊红法染色的病理切片952例,其中鳞癌254例（26.68%）、腺癌278例（29.2%）、其他恶性肿瘤47例（4.94%）、良性病变373例（39.18%）。依据疾病类型将切片分层随机采样,并按照50%:30%:20%的比例分入训练集、验证集和测试集。在训练集的每张切片中随机截取10张400倍放大的单视野图像,用于YOLO v3和Google Inception v3网络的训练,分别开发良恶性区域分割模块和病理亚型分类模块,最终构成双模块并联的人工智能模型。采用同样的方式在验证集中截取单视野图像,用于模型与病理医生的诊断能力对比。在真实的病理科工作环境中,请一位医生借助人工智能模型,另一位医生使用传统方法诊断测试集中的病理切片,对比诊断结果。 结果 在验证集中,模型的良恶性鉴别敏感性（100% vs 99.65%,卡方= 4.167,P = 0.031 > 0.05）优于医生,病理亚型分类准确率（95.52% vs 94.30%,卡方= 3.422,P=0.064 > 0.05）与医生相当,但分割区域与金标准的重叠率（92.72 ± 12.75% vs 95.42 ± 6.99%,t = 7.628,P < 0.001）、良恶性鉴别的特异性（97.67% vs 99.31%,卡方= 12.000,P = 0.001 < 0.05）和准确率（99.06% vs 99.51%,?2=4.364,P = 0.037 < 0.05）都低于医生。在测试集中,两位医生在良恶性鉴别准确率（100% vs 99.47%,卡方< 0.001,P > 0.999）和病理亚型分类准确率（94.87% vs 90.6%,卡方= 1.778,P = 0.180）方面都未显示出显著的统计学差异,但使用人工智能模型辅助的医生诊断用时显著缩短（12.53 ± 10.93s vs 79.95 ± 40.02s,t = 28.939,P < 0.001）。 结论 基于深度学习算法的人工智能肺癌病理诊断模型能够协助医生快速分析苏木精-伊红法染色的肺组织病理切片,在不降低准确率的前提下,有效提高敏感性和工作效率。     

基于疾病中医证候分类的中药药效评价研究思路和方法

中药的临床应用建立在辨证的基础上,因此其药效评价也应该建立在中医证候分类的基础之上。通过药效学实验阐明中药治疗疾病的药效作用特点及其机制,揭示中药作用机制的科学内涵,是中药现代化和国际化的必然要求,也是探索药物作用靶点,指导临床合理用药的关键所在。如何利用成熟疾病动物模型,并明确其证候特征,是中药药效评价载体研究的关键问题。随着生物医学的发展,通过研究疾病动物模型的生物学指标有可能分析得出该疾病动物模型的证候特性。利用以方测证方法,建立针对该疾病常见证候类型且临床验证有效的中药干预疾病动物模型,并将治疗有效的动物作为体现相应证候特征的动物模型,通过探寻其现代生物学基础,确立相应的中医证候特征相关指标,从而明确疾病动物模型的证候特征,是建立适合辨证论治中药药效评价动物模型的重要途径。建立基于中医证候分类的中药药效评价研究方法,将有助于从中医理论出发提高我国中药研发水平。     

人工智能医学影像技术在胰腺神经内分泌肿瘤分级中的应用

胰腺神经内分泌肿瘤是一组临床表现多变的、具有显著异质性和复杂性的肿瘤,发病率低,具有恶性潜能。它的组织学分级对治疗方案的选择和预后评估具有重要意义,若能在手术前评估患者的病理分级,将有助于治疗策略的选择和预后评估。随着人工智能的蓬勃发展,以深度学习、影像组学、纹理分析技术为代表的人工智能精准影像分析技术可对图像表征信息进行更为深入的分析和阐释,这些图像表征信息与病理分级具有相关性。本文针对人工智能医学影像技术在神经内分泌肿瘤分级中的应用现状和进展作一综述。     

人工智能时代超声医学新发展

人工智能（AI）技术发展至今已在许多研究领域和产业取得引人瞩目的成就,大大推动了高度依赖机器操控和海量信息数据分析的医学超声影像学的发展。目前AI在超声医学领域的发展是医工结合交叉研究的新热点,越来越多的超声医学专家和数学家、计算机科学家共同致力于推动超声医学研究与AI的融合实践,旨在提高超声诊断的准确率、降低误诊率、缩短报告时间,满足日益增长的临床需求。本文主要就超声医学在AI领域的研究进展、AI时代我国超声医学发展的机遇与挑战等作一综述。     

人工智能技术在护理领域的应用现状与发展趋势

人工智能技术在疾病诊断、病理分析、新药研发等方面应用广阔,将人工智能技术与护理专业结合,制定相应的专家系统、智能辅佐设计和决策支持系统等将提高社会、经济的综合效益。本文总结了人工智能技术在护理领域各方面的研究进展和运用现状,针对临床护理、护理教育及延伸护理等子领域分别阐述了目前人工智能技术的研究及应用情况,为进一步的研究工作提供参考。     

人工智能技术评估和预测黄斑水肿的研究进展

黄斑水肿（macular edema, ME）作为一种致盲性的病理体征产生于多种病因中,尤其是在糖尿病视网膜病变、视网膜中央静脉阻塞疾病,常常导致患者双眼视力严重下降,并且这种体征会持续存在。近些年,黄斑水肿作为致盲性的病理表现受到越来越多的关注,关于其诊断、治疗、预后、病情监测以及预测的研究也日益增多。眼科影像学作为眼部疾病的早期筛查、评估和诊断的主要方法。随着眼科多模态成像技术不断成熟,应用人工智能(artificial intelligence, AI）评估和预测黄斑水肿成为可能,这将极大地提高黄斑水肿患者的临床治疗效果。     

人工智能方法在抗菌肽筛选领域的应用及展望

抗菌肽（antimicrobial peptides,AMPs）是一类具有广谱抗菌活性的小分子肽,其独特抗菌机制能够有效治疗感染性疾病,且不易产生耐药性。然而,利用传统实验方式虽然能够筛选出具有抗菌活性的AMPs,但是筛选过程繁琐,人工智能筛选方法则更加快捷便利,在探索新型天然抗菌肽中展现了巨大的潜力。本文总结并比较了人工智能筛选AMPs的相关策略,包括应用于模型训练的数据来源、人工智能机器模型以及应用于模型筛选新型抗菌肽的组学数据,并对应用的前景和优势进行展望,以期为抗菌肽的鉴定识别、研发改造提供新思路。