近日，我校中山醫(yī)學(xué)院李偉忠教授團隊和附屬第一醫(yī)院柯尊富教授團隊聯(lián)合開發(fā)了一種基于深度學(xué)習(xí)的肺部病理圖像智能診斷模型，能夠準確區(qū)分肺癌及其易混淆疾病的病理圖像。研究成果“Deep learning-based six-type classifier for lung cancer and mimics from histopathological whole slide images: a retrospective study”于2021年3月29日在國際醫(yī)學(xué)權(quán)威期刊BMC Medicine在線發(fā)表。
研究人員通過有監(jiān)督學(xué)習(xí)的方式構(gòu)建肺部疾病組織學(xué)類型的深度學(xué)習(xí)分類器，以熱圖的方式可視化結(jié)果，并經(jīng)過多個醫(yī)學(xué)中心的獨立數(shù)據(jù)集驗證模型的綜合性能，以人機比較的方式進一步評價模型的臨床意義。該模型是首個能夠區(qū)分肺腺癌、肺鱗癌、小細胞肺癌、肺結(jié)核、機化性肺炎和正常肺部組織的六分類器，拓展了肺部組織分型的人工智能輔助診斷范圍，適用于復(fù)雜多病種診斷需求，具有很好的臨床可解釋性。研究人員在來自四個不同醫(yī)療中心的1000多張病理切片上進行了測試，AUC最高達到0.978，與臨床真實診斷結(jié)果高度吻合。研究人員還邀請4位來自我校附屬第一醫(yī)院病理科不同年資的病理醫(yī)生進行雙盲閱片對照，結(jié)果顯示模型達到了與經(jīng)驗豐富的病理醫(yī)生相近的診斷水平。
該研究成果建立的人工智能模型用于識別肺癌及其易混淆疾病的病理圖像，面對復(fù)雜的臨床病理學(xué)情景，表現(xiàn)出卓越的準確性、穩(wěn)定性和實用性，其臨床轉(zhuǎn)化應(yīng)用將能提升病理診斷效率和準確度，達到智能輔助診斷的目的。
（上）從左到右分別為肺腺癌、肺鱗癌、小細胞肺癌、肺結(jié)核、機化性肺炎和正常肺部組織病理的可視化圖像。
（下）桑基圖說明了最佳病理學(xué)家判斷結(jié)果、真實診斷標簽與六分類模型預(yù)測結(jié)果之間的區(qū)別。
https://bmcmedicine.biomedcentral.com/articles/10.1186/s12916-021-01953-2
