人工智能在青光眼领域的应用前景重点在于筛查还是预测

随着远程医疗会诊和人工智能技术等新型筛查方式的应用,采用人工智能辅助诊断技术被证明有潜力为青光眼筛查提供一种有效而快捷的方式。人工智能算法在基于基线检查结果对未来的病情变化如视野、神经纤维层厚度变化做出预测方面也取得了初步成效,然而结合我国实际情况,本文提出目前人工智能在青光眼领域的推广落地重点还应当放在筛查而非预测。(中华眼科杂志,2021,57:191-193)     

糖尿病视网膜病变眼底图像辅助诊断软件的NMPA注册经验

本文根据上海鹰瞳医疗科技有限公司的创新产品《糖尿病视网膜病变眼底图像辅助诊断软件》在国家药品监督管理局(NMPA,原CFDA)历时两年半的上市前创新申报与注册申报经历,介绍了人工智能类医疗器械产品的产品研发、注册申报流程及相关重点难点,并且列明了在整个过程中需要遵循和参考的法律法规,为此类产品的上市前注册工作提供参考。     

基于眼底彩照的冠心病智能分类系统

目的:探索基于眼底彩照和人工智能构建冠心病智能诊断系统的可行性。方法:于2013—2014年收集广东省人民医院530例患者共2117张眼底彩照,其中冠心病217例共909张眼底彩照。根据患者有无冠心病的情况进行标记,使用Inception-V3深度卷积神经网络训练人工智能模型,随后使用验证数据判断模型的准确率。计算深度卷积网络模型的准确性、一致率、敏感性、特异性和受试者工作特性曲线下面积(area under the curve,AUC)。结果:在2117张眼底彩照中,1903张用于模型训练,214张用于模型的性能评估。在测试集中,该算法的准确性为98.1%,一致率为98.6%,敏感性为100.0%,特异性为96.7%,AUC为0.988(95%CI:0.974~1.000)。结论:眼底彩照联合人工智能技术可精准判定冠心病,该模型具备较高的敏感性和特异性,但须进一步增加样本量,使用大样本量数据验证该模型,排除过拟合的可能性。     

人工智能辅助手术规划系统在个体化全髋关节假体精准植入中的应用

目的 与传统二维胶片模板测量术前计划比较,探讨人工应用智能辅助三维数字化手术规划系统在个体化全髋关节置换术（total hip arthroplasty,THA）假体植入中应用的准确性。方法 回顾性分析88例行单侧THA手术病人的临床资料,其中传统模板组（44例）,人工智能组（44例）,记录比较两组在假体型号大小选择、植入位置、患侧偏心距、双下肢等长重建等方面的差异。结果 人工智能组髋臼杯和股骨柄假体型号的预测吻合率分别为95.5%、88.6%,均高于传统模板组的75.0%、65.9%,差异有统计学意义（P＜0.05）。人工智能组手术后偏心距和肢体长度的差值分别为（4.73±2.97） mm、（3.42±2.32） mm,均较传统模板组更小,差异有统计学意义（P＜0.05）。结论 人工智能辅助手术规划系统对人工髋关节假体型号的预测、患侧肢体偏心距的恢复、双下肢等长重建更加精准。     

探索Morphogo在多发性骨髓瘤MRD检测中的应用

目的 探索人工智能骨髓细胞识别系统Morphogo应用于多发性骨髓瘤微小残留病（minimal residual disease,MRD）检测的临床价值及面临问题。方法 收集已经由流式细胞术（multiparameter flow cytometry,MFC）检查后明确微小残留病结果的病例65例,调取其留存的骨髓瑞氏染色涂片,通过基于人工智能（artificial intelligence,AI）平台的分析系统Morphogo对所有骨髓涂片进行全自动扫描及细胞分类。AI及细胞形态学多发性骨髓瘤MRD阳性阈值设为浆细胞比例大于4.4%。按AI自动识别细胞数量将病例分为I 500组、I 1000组、I 2000组,每组病例的人工智能微小残留病（AI-MRD）、细胞形态学（morphology）微小残留病（M-MRD）和流式细胞术微小残留病（MFC-MRD）结果两两行Kappa一致性检验,并计算各组敏感度、特异度、准确度。分别以MFC-MRD和M-MRD结果为金标准绘制AI-MRD的受试者工作特征（receiver operating characteristic,ROC）曲线并计算其曲线下面积（area under the curve,AUC）。结果 分组后AI-MRD vs. MFC-MRD 和AI-MRD vs. M-MRD的Kappa值、敏感度、特异度、准确度、AUC均随识别细胞数量的增加而增高,其中I 2000组AI-MRD vs. MFC-MRD的Kappa一致性检验结果为Kappa=0.500（P=0.013）,敏感度为71%,特异度为80%,准确度为75%;AI-MRD vs. M-MRD的Kappa一致性检验结果为Kappa=0.667（P=0.001）,敏感度为100%,特异度为75%,准确度为83%。以MFC-MRD结果为标准,I 2000组AI-MRD的ROC AUC=0.800（P=0.002,95%CI=0.588~0.934）,M-MRD的ROC AUC=0.779（P=0.005,95%CI=0.564~0.921）。结论 人工智能骨髓细胞识别系统Morphogo检测多发性骨髓瘤MRD具有细胞识别准确度高、速度快、成本低等特点,后续开发中应加入细胞组化染色、细胞免疫等技术提高人工智能多发性骨髓瘤微小残留病诊断的准确率。     

麻醉机器人的昨天、今天与明天

麻醉机器人是当下医疗人工智能领域开发和研究的热点之一,按功能主要可分为给药机器人、麻醉技术操作机器人和认知型机器人。给药机器人基于闭环靶控输注系统,可进行个体化自主麻醉药物输注;麻醉技术操作机器人主要用于完成气管插管、区域神经阻滞等高灵巧度的临床操作;认知型机器人主要用于识别和判断需要人为干预的临床突发情况,并给出实时建议。未来麻醉机器人的各项功能将被进一步整合与强化,作为麻醉科医师,如何把握这一发展趋势,让人工智能技术辅助麻醉科医师更好地服务于患者是值得思考的问题。     

人工智能辅助诊断乳腺良恶性结节的应用价值

目的 探讨人工智能(AI)超声技术在乳腺良恶性结节辅助鉴别诊断中的临床应用价值。方法 选取2020年5月至2021年10月安庆市第一人民医院收治的80例乳腺患者,共166枚结节,以病理诊断结果为金标准,比较AI辅助低年资医师、低年资医师及高年资医师诊断乳腺良恶性结节与病理结果的一致性,记录并比较不同检查方法影像学诊断的阳性预测值、阴性预测值、特异度、灵敏度及病理符合率等。结果 低年资医师诊断、AI辅助低年资医师诊断与病理结果的一致性对照分析,差异有统计学意义(P<0.05);以病理结果作为受试者工作特征(ROC)曲线分析的金标准,低年资医师、AI辅助低年资医师ROC 曲线下面积分别为 0.681、0.843,差异有统计学意义(P<0.05);同时AI辅助低年资医师诊断的阳性预测值、阴性预测值、特异度、灵敏度及病理符合率分别提高了17.81%、9.01%、21.95%、10.40%、13.25%。结论 AI辅助低年资医师诊断乳腺良恶性结节具有较高的诊断效能,对乳腺良恶性结节的检查具有较高的临床应用价值。     

将人工智能引入网络药理学学科建设北大核心CSCD

网络药理学的提出是药理学的一大进步,它标志着药理学的研究从传统的一药一靶,一钥匙一锁的研究思想走向了系统化的研究模式[1]。在过去十年的网络药理学研究中,网络及网络科学中的多种度量指标成为了药理研究中的描述和研究工具,为药物新用途发现及药物治疗理论的完善提供了全新视角。     

三维ResNet 网络预测肺腺癌结节亚型的效能及其 稳定性

目的:探究ResNet模型对肺腺癌不同亚型结节的分类表现及稳定性。方法:回顾性收集2014 年2 月—2020 年10 月期 间的364 例肺腺癌结节CT 影像数据,以7∶3 的比例分为训练集和内部测试集,将2020 年4 月到2020 年11 月的58 例结节数 据作为外部测试集。使用基于ResNet的三维卷积神经网络在训练集中进行训练以及调参,并使用内部测试集和外部测试集对 模型的准确性及泛化性进行评估。使用随机中心移动和掩膜处理的方式分别以内部测试集和外部测试集为基础构造新的测试 集,新数据集对模型进行测试验证模型的稳定性。结果:模型在内部测试集AUC 为0.949 1（95%CI:0.910 8～0.987 4）,模型在随 机中心移动以及掩膜处理之后的数据集的AUC 值分别为0.940 4 和0.918 1, 与其差异无统计学意义（P 值分别为0.425 3 和 0.239 3）。在外部测试集中模型AUC 为0.959 6（95%CI:0.901 2～1.000 0）,在用于稳定性测试的随机中心移动以及掩膜处理之 后的数据集中,模型所得AUC 分别为0.948 5和0.947 3,与其同样差异无统计学意义（均P>0.05）。结论:ResNet 模型对肺腺癌 结节亚型有优异的鉴别能力,并且具有一定稳定性。     

基于分水岭及区域增长算法建立一种测量自发性脑出血血肿体积的分割方法

  目的   基于分水岭及区域增长算法建立一种CT图像脑血肿分割方法,以快速准确测量血肿体积,探讨其与临床金标准手动分割结果的一致性,并与临床常用的两种多田公式计算进行比较。   方法   回顾性收集2018年1月–2019年6月由于自发性脑出血于四川大学华西医院神经外科就诊的患者术前152例CT图像,通过随机数字表将其随机分为训练集、测试集和验证集,分别为100例、22例、30例。算法训练及测试采用训练集与测试集的标记结果,验证集采用4种方式——人工手动分割、算法分割（基于分水岭及区域增长算法的分割计算）、多田公式（传统多田公式计算）与精准多田公式（基于3D-slicer的精准多田公式计算）——对出血病灶体积进行测量。将符合研究对象标准的医学数字成像和通信（Digital Imaging and Communications in Medicine, DICOM）资料通过两名高年资神经外科医生进行手动分割脑出血病灶。基于分水岭算法及区域增长算法搭建血肿分割模型以神经外科医生选取的种子点作为增长起点,采用区域灰度差异准则,结合手动分割验证,最终确定符合颅内血肿分割精度要求的区域生长阈值。以人工手动分割为金标准,采用Bland-Altman一致性分析验证其余3种测量血肿体积的方式的一致性。   结果   以人工手动分割为金标准,3种测量血肿体积的方式中,算法分割百分误差最小,差值范围最窄,组内相关系数最高（0.987）,一致性较好,且95%一致性界限（limits of agreement, LoA）最窄。其分割的百分误差在不同血肿体积比较中差异无统计学意义。   结论   基于分水岭及区域增长算法的自发性脑出血血肿分割方法的测量稳定,与临床金标准一致性好,具有一定临床意义,但仍需更多的临床样本予以验证。