全部商品分類
近日，重慶大學(xué)附屬腫瘤醫(yī)院影像科張久權(quán)教授團隊與深睿醫(yī)療共同合作的科研成果被Ｒａｄｉｏｌｏｇｙ子刊Ｒａｄｉｏｌｏｇｙ： Ｉｍａｇｉｎｇ Ｃａｎｃｅｒ（ＩＦ ５．６）收錄，該研究提出的基于ＭＲＩ深度學(xué)習框架在乳腺癌全自動分割及分子亞型分類中實現(xiàn)了極佳的性能，在臨床應(yīng)用中具有巨大的應(yīng)用潛力。此次研究成果的發(fā)表，不僅是對深睿醫(yī)療與重慶大學(xué)附屬腫瘤醫(yī)院影像科合作的肯定，也為全球范圍內(nèi)的乳腺癌研究提供了新的思路和方法。隨著該模型在更多臨床場景中的驗證和優(yōu)化，其有望成為乳腺癌診斷及治療方案制定過程中的重要輔助工具，提升乳腺癌整體診療水平，助力人類對抗這一嚴重威脅女性健康的疾病。
乳腺癌作為全球女性發(fā)病率最高的惡性腫瘤，嚴重威脅著女性的健康與生命 。在乳腺癌的早期診斷與治療中，磁共振成像（ＭＲＩ）技術(shù)具有舉足輕重的地位。ＭＲＩ 能夠提供高分辨率的乳腺組織圖像，清晰顯示乳腺內(nèi)部的結(jié)構(gòu)與病變細節(jié)，對于早期浸潤性乳腺癌的檢測靈敏度極高。乳腺癌分子亞型對于臨床治療方案及患者預(yù)后至關(guān)重要。大量研究表明ＭＲＩ中蘊含表征不同分子亞型的底層特征，其中腫瘤分割是先決條件，準確的腫瘤分割可以提供詳細的形態(tài)學(xué)及微觀信息。本研究旨在構(gòu)建基于增強ＭＲＩ的新型深度學(xué)習框架，用于乳腺癌自動分割和分子亞型分類，并在多中心數(shù)據(jù)中驗證模型性能。
該研究中，重慶大學(xué)附屬腫瘤醫(yī)院影像科張久權(quán)教授團隊與深睿醫(yī)療共同提出了一種基于多參數(shù)磁共振成像（ｍｐＭＲＩ）的新型深度學(xué)習框架，以實現(xiàn)乳腺癌全自動分割及分子亞型分類。該框架創(chuàng)新性地使用了多階段分割策略，能夠更精準地識別乳腺癌病變區(qū)域，并且通過集成學(xué)習的方式優(yōu)化了分子亞型分類的準確性。研究團隊利用大量臨床數(shù)據(jù)對模型進行訓(xùn)練與驗證，數(shù)據(jù)來源涵蓋了不同年齡段、不同病情特征的乳腺癌患者，保證了模型的泛化性和可靠性。
本研究回顧性收集了２０１５年１月至２０２１年１月期間，來自四家醫(yī)院的６８７名乳腺癌患者的治療前ＭＲＩ數(shù)據(jù)。使用３Ｄ ＲｅｓＵ－Ｎｅｔ作為骨架開發(fā)了一個自動乳腺病變分割模型，并使用Ｄｉｃｅ評分在內(nèi)部和兩個外部測試數(shù)據(jù)集中評估了其準確性。通過結(jié)合２Ｄ和３Ｄ病變特征，將乳腺癌分類為四種分子亞型的集合模型（Ｅｎｓｅｍｂｌｅ ＲｅｓＮｅｔ）。使用受試者工作特征曲線下面積（ＡＵＣ）在三個測試數(shù)據(jù)集中評估Ｅｎｓｅｍｂｌｅ ＲｅｓＮｅｔ的性能。
分割模型在內(nèi)部測試數(shù)據(jù)集Ｉ、外部測試數(shù)據(jù)集ＩＩ和外部測試數(shù)據(jù)集中ＩＩＩ以及Ｌｕｍｉｎａｌ Ａ、Ｌｕｍｉｎａｌ Ｂ、ＨＥＲ２－ｅｎｒｉｃｈｅｄ和三陰性乳腺癌亞型中均實現(xiàn)了高精度。
深睿醫(yī)療研究團隊主要是負責其中的核心模型研發(fā)工作，包括自動乳腺病變分割模型以及分子亞型分類模型。深睿乳腺ＭＲＩ人工智能輔助檢測模型，可以進行全自動的腫塊和非腫塊樣強化病變的檢測和分割，在多中心驗證數(shù)據(jù)集上表現(xiàn)優(yōu)異，充分展現(xiàn)了深睿 ＡＩ 在乳腺 ＭＲＩ 影像分析中的優(yōu)秀穩(wěn)定性與廣泛適用性。同時，深睿構(gòu)建了Ｅｎｓｅｍｂｌｅ ＲｅｓＮｅｔ可以進行Ｌｕｍｉｎａｌ Ａ亞型、Ｌｕｍｉｎａｌ Ｂ亞型、ＨＥＲ２－ｅｎｒｉｃｈｅｄ和三陰性乳腺癌的分類，該模型可作為一種非侵入性決策工具，在臨床應(yīng)用中具有巨大的應(yīng)用潛力。
圖一：整體研究流程圖
圖片來源：重腫影像
實驗結(jié)果表明，Ｅｎｓｅｍｂｌｅ ＲｅｓＮｅｔ 模型在乳腺癌全自動分割任務(wù)中，展現(xiàn)出了極高的分割精度，能夠清晰且準確地勾勒出腫瘤邊界，為后續(xù)的定量分析提供了堅實基礎(chǔ)。在分子亞型分類方面，該模型的分類準確率也達到了令人稱贊的水平，與傳統(tǒng)的人工判讀及部分已有的人工智能模型相比，具有顯著優(yōu)勢，能夠有效區(qū)分不同分子亞型的乳腺癌，為臨床個性化治療方案的制定提供關(guān)鍵依據(jù)。
此次科研成果的取得，是一次醫(yī)工深度融合的成功實踐。通過結(jié)合醫(yī)學(xué)領(lǐng)域的專業(yè)知識與先進的人工智能技術(shù)，成功攻克了乳腺癌影像分析中的一些關(guān)鍵難題。這項研究成果有望改變當前乳腺癌診斷的模式，讓診斷過程更加高效、精準，最終使廣大患者受益。深睿醫(yī)療一直致力于將深度學(xué)習技術(shù)應(yīng)用于醫(yī)療領(lǐng)域，積極推動醫(yī)療人工智能技術(shù)的創(chuàng)新與應(yīng)用，截止目前，深睿醫(yī)療發(fā)布的科研成果累計影響因子超 １８００，牽頭或參與了 １０ 個科技部重大專項、１５ 個國家自然科學(xué)基金項目以及 ３０ 多個省市級科研項目。憑借在科研和技術(shù)創(chuàng)新方面的突出表現(xiàn)，深睿醫(yī)療榮獲國家科學(xué)技術(shù)進步二等獎，并在河南、浙江、北京、江蘇等地斬獲多項省級科學(xué)技術(shù)進步獎。
這些科研成果標志著深睿醫(yī)療 ＂技術(shù)創(chuàng)新 ＋ 臨床落地＂ 雙輪驅(qū)動策略的生動實踐，也彰顯了 ＡＩ 技術(shù)在破解醫(yī)療核心痛點中的關(guān)鍵作用。這種深度融合的模式，正在重塑醫(yī)療科技創(chuàng)新的底層邏輯 －－ 讓技術(shù)創(chuàng)新始終錨定臨床需求，讓科研成果切實轉(zhuǎn)化為患者福祉。深睿醫(yī)療在科研領(lǐng)域的探索，不過是醫(yī)療 ＡＩ 浪潮中的一朵浪花，卻折射出整個行業(yè)向 ＂全鏈條智慧醫(yī)療＂ 邁進的堅定身影。這不僅是技術(shù)的勝利，更是 ＂以患者為中心＂ 理念的勝利 －－ 當 ＡＩ 成為連接醫(yī)學(xué)智慧與科技力量的橋梁，人類對抗癌癥的歷史進程，或?qū)⒁蜻@種創(chuàng)新范式而加速改寫。
論文引用信息
Ｗａｎｇ Ｘ， Ｈｕ Ｘ， Ｗａｎｇ Ｃ， Ｙａｎｇ Ｈ， Ｈｕ Ｙ， Ｌａｎ Ｘ， Ｈｕａｎｇ Ｙ， Ｃａｏ Ｙ， Ｙａｎ Ｌ， Ｚｈａｎｇ Ｆ， Ｙｕ Ｙ， Ｚｈａｎｇ Ｊ． Ａｕｔｏｍａｔｉｃ Ｓｅｇｍｅｎｔａｔｉｏｎ ａｎｄ Ｍｏｌｅｃｕｌａｒ Ｓｕｂｔｙｐｅ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ Ｂｒｅａｓｔ Ｃａｎｃｅｒ Ｕｓｉｎｇ ａｎ ＭＲＩ－ｂａｓｅｄ Ｄｅｅｐ Ｌｅａｒｎｉｎｇ Ｆｒａｍｅｗｏｒｋ． Ｒａｄｉｏｌ Ｉｍａｇｉｎｇ Ｃａｎｃｅｒ． ２０２５ Ｍａｙ；７（３）：ｅ２４０１８４． ｄｏｉ： １０．１１４８／ｒｙｃａｎ．２４０１８４．
注：文章來源于網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系刪除
