AME 作者面对面 | 上海市胸科医院：通过人工智能预测肺结节性质和侵袭能力

Published at: March 08, 2018 2015年第1卷第S1期

AME

关键词：

编者按： “AME 作者面对面” 是微信公众号 “AME科研时间” 的特色专栏。编辑部精心挑选了发表在 AME 旗下杂志的优秀论著，诚邀作者总结亮点，分享研究成果，旨在进一步推动医学同行之间的交流和进步。

本次分享的是上海市胸科医院方文涛教授团队刊登在Journalof Thoracic Disease的一项研究(英文原文请见文末)。该研究研究结果对于进一步在大规模人群中使用人工智能技术快速准确诊断肺结节性质和恶性程度提供了一种全新的方式。

文章亮点

相较于胸片体检筛查，胸部螺旋CT因能发现肺部亚厘米小结节和磨玻璃样结节从而减低20%的肺癌相关死亡率，因此胸部CT成为近年来早期筛查肺癌的主要手段。从CT形态上看，磨玻璃肺结节是临床最为常见的肺结节。其可进一步分为含有部分实性成分的混合型磨玻璃结节和纯磨玻璃结节。但随着胸部螺旋CT体检筛查肺部结节日益得到广泛普及，肺结节的检出率越来越高。因此，如何快速检出恶性肺结节是目前临床面临的主要难题之一。病理上看，腺癌是最为常见的恶性肺结节。根据国际最新的肺腺癌分型系统，腺癌可分为浸润前病灶（不典型腺瘤样增生，原位癌和微浸润腺癌）和浸润性腺癌（实体，微乳头，腺泡型，乳头型和贴壁型等）。肺叶切除加纵隔淋巴结清扫是浸润性腺癌的标准治疗方式。不典型腺瘤样增生，原位癌和微浸润腺癌术后100%无复发，是亚肺叶切除的最佳适用人群。若能术前判断出患者肿瘤侵袭程度，将能直接指导患者手术方式。然而目前为止尚缺乏准确率高特异性好的术前、术中精准判断肺部小结节良恶性及早期小肺癌浸润性的有效检查评估手段。

人工智能是近来刚开始开发尝试帮助临床诊断的新方法，依赖于机器算法的进步，通过深度学习利用不同机器算法可以从充分利用影像学检查获取的海量信息、尤其是大量人眼无法分辨的影像特征协助临床医生提高诊断和鉴别诊断的准确率，已经在甲状腺结节的诊断方面获得了良好的结果，但在肺癌的诊断中尚未得到利用。

该研究回顾性收集了2015年至2017年间在上海市胸科医院接受肺叶／亚肺叶切除的1177例肺磨玻璃结节患者。通过对比随机森林、决策树、AdaBoosting、支持向量机(SVM)和K-近邻算法(KNN)机器学习算法，发现随机森林算法在预测肺结节性质获得高达95.1%的准确率和99.1%的敏感性。ROC曲线显示随机森林算法AUC 96%,明显优于其它算法模型。在预测浸润前（不典型腺瘤样增生，原位癌和微浸润腺癌）和浸润性腺癌方面，随机森林算法同样优于其它算法模型，准确率达81.5%。

这是全世界首项通过机器算法模型来预测肺结节性质和侵袭程度的临床研究，其研究结果对于进一步在大规模人群中使用人工智能技术快速准确诊断肺结节性质和恶性程度提供了一种全新的方式。

通讯作者：方文涛

方文涛，上海市胸科医院胸外科国家临床重点专科学术带头人、主任医师、纵隔外科主任、交通大学食管疾病临床诊治中心主任、交通大学医学院博士导师。

担任中华胸心外科学会肺癌专家组常务委员、中国抗癌协会食管癌专业委员会常务委员、中国医师协会胸外科分会常务委员及食管外科专家委员会副主任委员、中国临床肿瘤协会纵隔肿瘤专家委员会主任委员、中国医药教育协会肺部肿瘤专业委员会常务委员、中国抗癌协会肿瘤分期委员会委员、上海市抗癌协会胸部肿瘤分会副主任委员，同时担任国际胸腺瘤研究会（ITMIG）秘书长和执行委员会委员、国际肺癌研究会（IASLC）会员和胸部肿瘤分期委员会（SPFC）委员及世界肺癌大会（WCLC）学术委员会委员、国际食管疾病协会（ISDE）会员、欧洲胸外科协会（ESTS）会员及学术委员会委员、北美胸外科医师协会（STS）会员、亚洲胸外科俱乐部（ATSC）常务委员、亚洲胸腔镜教育委员会（ATEP）执行委员会委员。担任Mediastinum杂志主编、Shanghai Chest执行主编、Journal of Thoracic Diseases副主编和Journal of Thoracic and Cardiovascular Surgery、Annals of Thoracic Surgery、Chinese Medical Journal、Gastrointestinal Research等SCI期刊编委、《中华外科杂志》、《中华胸心血管外科杂志》、《中华胃肠外科杂志》等核心期刊编委。

第一作者：Xueyan Mei

Xueyan Mei，Ph.D. in Mathematical Sciences，Columbia University, New York, New York (Sep 2017- )

M.S. in Statistics, September 2016 (Expected graduation: August 2017)
University of Oklahoma, Norman, Oklahoma
B.S. summa cum laude in Mathematics, August 2016
University of Oxford, Oxford, United Kingdom
Summer exchange, Mathematics, June-August 2015
Rensselaer Polytechnic Institute, Troy, New York

Research Interest: data science, operations research, medical images, stochastic

process, high performance computing, quantitative finance

第一作者：王瑞

王瑞，上海市胸科医院主治医师，副研究员，硕士研究生导师。上海医药卫生青年联合会委员，中国医药教育协会肺部肿瘤专委会委员。主要研究方向为早期肺癌微创外科精准治疗研究及在分子水平寻找肺癌中具有诊断、治疗及疗效判断价值的分子标志物。在Nature、J Clin Oncol、Clin Cancer Res、Chest、J Thoracic Oncol、Lung Cancer等学术期刊上发表SCI收录论文40余篇，影响因子IF总值超过200。主持上海市科技启明星，上海市卫计委优秀青年，上海市人才发展基金，国家自然科学青年及面上等项目。2012年获得美国胸科医师协会颁发的阿尔索芙特奖(Alfred Soffer Research Awards)。

往期回顾

责任编辑：汤凯欣 AME Publishing Company

排版编辑：严斯瀛 AME Publishing Company

附件