Focal Nodular Hyperplasia

引言肝脏局灶性病变的早期准确诊断对于有效治疗和预后至关重要。2024年2月7日，浙江大学蔡秀军、余日胜、香港中文大学刘允怡、俞益州、伦敦帝国理工学院Jiao Long及哈佛医学院Xu Xiaoyin共同通讯在Nature Communications发表题为“A multicenter clinical AI system study for detection and diagnosis of focal liver lesions”的研究论文，本研究开发并验证了一种名为肝脏人工智能诊断系统（LiAIDS）的全自动诊断系统，该系统基于来自18家医院的12610名患者的不同样本，包括回顾性和前瞻性。在这项研究中，LiAIDS 的良性病变的F1评分为0.940，恶性病变的F1评分为0.692，优于初年资医生（良性：0.830-0.890，恶性：0.230-0.360），与高年资医生（良性：0.920-0.950，恶性：0.550-0.650）。此外，在LiAIDS的协助下，所有放射科医生的诊断准确性都有所提高。对于良性和恶性病变，年资医生的 F1 评分分别提高到 0.936-0.946 和 0.667-0.680，而高年资医生的 F1 评分分别提高到 0.950-0.961 和 0.679-0.753。此外，在一项针对 13192 名连续患者的分诊研究中，LiAIDS 自动将76.46%的患者归类为低风险，NPV高达99.0%。有证据表明LiAIDS可以作为一种常规诊断工具，并增强影像医生对肝脏病变的诊断能力。肝癌是最重要的肝脏疾病之一，也是全球癌症相关死亡的第二大原因。除肝癌外，常见的局灶性肝病变（FLLs）还包括肝内胆管癌（ICC）和肝转移（HM）等恶性病变，以及肝囊肿（HC）、肝血管瘤（HH）、局灶性结节性增生（FNH）和肝脓肿（HA）等良性病变。FLL的早期发现和准确诊断对于提供适当的治疗方案和预测预后具有重要意义。增强计算机断层扫描(CECT)成像被国际和各国肝病学会推荐作为FLLs的一线诊断工具，因为病灶的血管分布和增强模式为诊断评估提供了有用的信息。然而，由于肝脏肿块的多样性和肝脏病变的复杂影像学特征，基于影像学的诊断仍然具有挑战性。此外，对医学图像的解释通常是主观的，并受到放射科医生的经验和个人偏见的影响。因此，迫切需要一种自动化的肝脏CT诊断系统来提高诊断的准确性和临床效率。随着人工智能（AI）的最新进展，特别是基于卷积神经网络（CNN）的深度学习的巨大成功，AI已应用于各种医学图像分析任务，其性能可与临床专家相媲美。基于CT图像的肝癌诊断研究也取得了长足进展。然而，即使有如此令人鼓舞的结果，现有的工作仍然无法整合到临床实践的诊断工作流程中。首先，现有的大多数方法仍然需要放射科医师在病变分类之前进行手动提取病变，因此无法实现端到端全自动诊断解决方案。其次，现有工作中的诊断分析仅依赖于图像信息，不符合实际的临床诊断流程。临床医师常将临床信息与医学图像相结合，做出准确、全面的诊断。最重要的是，现有所有研究的样本量都非常小，病变类型很少，且数据来源过于有限，无法涵盖不同制造商和数据分布的各种CT成像设备。换句话说，现有的工作没有得到有力的验证，因此，对于实际的临床实践，其稳健性、可重复性和泛化能力都值得怀疑。为了解决现有工作的不足，研究回顾性和前瞻性地收集了18家医院的12610名患者的大规模数据，以训练和验证一个名为肝脏人工智能诊断系统 （LiAIDS） 的全自动诊断系统。据了解，这是有史以来最大规模的研究，涵盖了全球所有主流制造商的 CT 成像设备。更重要的是，所提出的LiAIDS可以基于对比增强CT扫描和临床信息，以全自动的方式稳健准确地检测和区分病变。所提出的LiAIDS的架构由三个主要模块组成，即病灶检测、肝脏分割和病灶分类模块。病变检测模块设计用于自动识别和定位所有潜在的FLL候选者。肝脏分割模块用作假阳性检测器，过滤掉在肝脏区域外检测到的病变。最后，病变分类模块旨在将检测到的病变区分为七种最常见的疾病类型之一（即 HCC、ICC、HM、FNH、HH、HC 和 HA），并进一步将其分类为恶性或良性。肝脏人工智能诊断系统（LiAIDS）（Credit: Nature Communications）总之，该研究开发了一种基于深度学习的人工智能系统LiAIDS，并进行了回顾性和前瞻性验证。该系统可以使用CECT扫描和临床信息自动检测和区分FLL。预计LiAIDS将作为一种有价值的诊断辅助工具，通过简化诊断工作流程、减少患者等待时间和提高诊断的精确度来提高放射科医生的效率和准确性。此外，LiAIDS还可以作为一种教育资源，为放射学实习生提供实时反馈和指导支持。此外，在放射科医生稀缺的地区，LiAIDS可以支持诊断过程，促进更具战略性的分配和有效利用医疗人力资源。原文链接https://doi-org.libproxy1.nus.edu.sg/10.1038/s41467-024-45325-9责编|探索君排版|探索君文章来源|“iNature”End往期精选围观一文读透细胞死亡(Cell Death) | 24年Cell重磅综述（长文收藏版）热文Science最新发布：全世界最前沿的125个科学问题热文Nature | 2024年值得关注的七项技术热文Nature | 自身免疫性疾病能被治愈吗？科学家们终于看到了希望热文Nature | 癌症与神经系统的致命舞蹈