腹膜轉移被普遍認為是腸癌的終末期，預后差。目前，診斷腸癌腹膜轉移主要通過影像學手段，敏感性欠缺，特別是對于5mm以下的微小腹膜轉移病灶。近日，我校附屬第六醫院結直腸外科研究團隊和深圳騰訊AI lab合作開發出世界上第一個診斷腸癌腹膜轉移的AI平臺。此項原創性研究成果以“利用深度學習構建人工智能系統診斷腸癌腹膜轉移”為題在外科領域頂級刊物Annals of Surgery（IF=10。13）發表。附屬第六醫院袁紫旭博士為第一作者，王輝教授為最后通訊作者，蔡建副主任醫師、影像科曹務騰醫生、趙業標醫生等在該論文中做出了重要貢獻。
圖1：根據深度學習算法構建的AI系統
圖2：腹膜轉移的CT圖像以及粟粒狀腹壁種植結節
腸癌合并同時性腹膜轉移（PC）的發病率約為5-10%，復發時合并腹膜轉移發病率為25-44%。“腹膜轉移如果能夠早期診斷，可以增加徹底減瘤手術的機會，未來能夠明顯延長腸癌患者的生存期。”王輝教授說。2018年團隊和深圳騰訊AI lab建立了合作關系，研發一個基于卷積神經網絡（CNN）的ResNet3D系統。經查，這是世界上第一個診斷腸癌腹膜轉移的AI平臺，能夠自動識別原發腫瘤特征，同時提取腫瘤臨近腹膜的影像學特征，構建基于人工智能的SVM分類器。訓練組一共納入了19814張CT圖像，驗證組包括了7837張CT圖像。
研究發現，ResNet3D的AI系統僅需花費34秒就自動識別并診斷了所有驗證圖像。“ResNet3D+SVM分類器”的腸癌腹膜轉移診斷的準確性高達94%，AUC為0.922，敏感性和特異性均高達94%，明顯優于常規增強CT的診斷能力。
這一成果有何醫學臨床價值？袁紫旭談到，“我們研發的AI平臺是無創的新型診斷系統，基于腹部腫瘤臨床上常規使用的增強CT圖像，不僅能夠自動識別原發腫瘤特征，還融合了周圍臨近腹膜的特征，臨床實用性很強，為臨床醫生制定手術方案提供參考，也為腸癌患者選擇合適的治療提供依據。”
據介紹，該AI平臺可以識別其他醫院或中心的影像學圖像，因此下一步計劃將該AI系統移植到其他醫院，利用更大規模的獨立隊列，進行外部驗證來證明其普遍適用性，努力解決腸癌腹膜轉移診斷困難的世界性難題。
