深睿醫(yī)療AI模型新沖破，成果被《Frontiers in Oncology》收錄

最近，深睿醫(yī)療與貴州省人民醫(yī)院協(xié)作完結(jié)了對(duì)于腎透明細(xì)胞癌(ccRCC)腫瘤壞死和SSIGN評(píng)分的兩篇科研論文，并被國(guó)際有名期刊《Frontiers in Oncology》收錄。兩篇論文均采取多核心信息建模，通過AI預(yù)判模型實(shí)行了術(shù)前ccRCC侵蝕性及預(yù)后危害分層的有效預(yù)判，為ccRCC術(shù)前治愈選取供應(yīng)了首要的抉擇根據(jù)，并為AI模型在腫瘤行業(yè)的運(yùn)用供應(yīng)有效的理論追隨。

《Frontiers in Oncology》首要出版腫瘤有關(guān)行業(yè)的研發(fā)，含蓋：根基試驗(yàn)、臨床試驗(yàn)、癌癥防備和治愈、腫瘤影像學(xué)并且新治愈靶點(diǎn)的有關(guān)研發(fā)，旨在向全世界學(xué)者、研發(fā)職員、臨床醫(yī)師及公眾傳遞和交流腫瘤行業(yè)最新常識(shí)及高牽連力的科學(xué)發(fā)掘。

預(yù)判腫瘤壞死 助力術(shù)前抉擇

腎細(xì)胞癌（RCC）是腎臟本質(zhì)性惡性腫瘤，其發(fā)病率居我國(guó)泌尿生殖體系腫瘤第二位，此中腎透明細(xì)胞癌(ccRCC)是RCC中最易發(fā)的型號(hào)，約占70-80%。腫瘤壞死定論為宏觀凝結(jié)性壞死，其存在常提醒ccRCC更大的侵蝕性。深睿醫(yī)療與貴州省人民醫(yī)院協(xié)作開拓了影像組學(xué)對(duì)ccRCC腫瘤壞死的預(yù)判價(jià)值，并完結(jié)有關(guān)論文《A Computed Tomography-based Radiomics Nomogram to Preoperatively Predict Tumor Necrosis in Patients with Clear Cell Renal Cell Carcinoma》。該研發(fā)基于加強(qiáng)CT皮質(zhì)期及本質(zhì)期影像組學(xué)特點(diǎn)及常規(guī)影像視覺特點(diǎn)建立了影像組學(xué)諾模圖，并用獨(dú)立的外部信息進(jìn)行驗(yàn)證，其結(jié)果顯現(xiàn)相針對(duì)單一的影像組學(xué)模型或常規(guī)影像特點(diǎn)模型，影像組學(xué)諾模圖針對(duì)術(shù)前ccRCC腫瘤壞死擁有最佳的預(yù)判本領(lǐng)及臨床運(yùn)用價(jià)值。因而該論文的研發(fā)成果針對(duì)ccRCC患者術(shù)前臨床抉擇擁有首要的引導(dǎo)意思。

本研發(fā)選擇132例A院病理確診為ccRCC患者成為訓(xùn)練集，123例B院ccRCC患者成為獨(dú)立驗(yàn)證集。從加強(qiáng)CT的皮質(zhì)期和本質(zhì)期兩期加強(qiáng)圖片提煉影像組學(xué)特點(diǎn)，基于一致性評(píng)估和LASSO方式篩選37個(gè)特點(diǎn)拿來創(chuàng)建影像組學(xué)標(biāo)簽，同時(shí)依據(jù)醫(yī)師客觀視覺評(píng)估指標(biāo)（腫瘤大小和瘤內(nèi)血管）建立常規(guī)影像特點(diǎn)模型。最終將影像組學(xué)特點(diǎn)與常規(guī)影像特點(diǎn)相結(jié)合，結(jié)構(gòu)交融模型，即影像組學(xué)諾模圖。

在訓(xùn)練和驗(yàn)證集中，影像組學(xué)諾模圖在預(yù)判本領(lǐng)（訓(xùn)練集AUC=0.93；驗(yàn)證集AUC=0.87）及預(yù)判一致性（訓(xùn)練及驗(yàn)證集中Hosmer-Lemeshow檢查 p值均>0.05）方面顯現(xiàn)出令人滿意的結(jié)果。另外，抉擇曲線解析影像組學(xué)諾模圖擁有最好的臨床運(yùn)用價(jià)值。

Figure1 本研發(fā)的技巧線路圖

Figure2 訓(xùn)練集和測(cè)驗(yàn)集三個(gè)模型針對(duì)ccRCC腫瘤壞死預(yù)判的ROC曲線

SSIGN評(píng)分預(yù)判 輔助術(shù)前預(yù)后分層

手術(shù)是治愈腎透明細(xì)胞癌（ccRCC）的首要措施，但術(shù)后20-30%的患者會(huì)顯現(xiàn)轉(zhuǎn)化或復(fù)發(fā)，因而術(shù)前針對(duì)ccRCC患者的預(yù)后危害分層意思重要。SSIGN是由美國(guó)梅奧醫(yī)院依據(jù)腫瘤壞死、細(xì)胞核分級(jí)、直徑大小和腫瘤分期而制定的預(yù)后危害評(píng)分體系。深睿醫(yī)療與貴州省人民醫(yī)院協(xié)作完結(jié)了最新的有關(guān)論文《Preoperative CT Radiomics Predicting the SSIGN Risk Groups in Patients with Clear Cell Renal Cell Carcinoma: Development and Multicenter Validation》，其目標(biāo)是基于影像組學(xué)建立SSIGN術(shù)前低危害及中高危害患者的預(yù)判模型。該研發(fā)通過海內(nèi)外三個(gè)獨(dú)立信息集進(jìn)行影像組學(xué)模型的訓(xùn)練、驗(yàn)證及優(yōu)化，其結(jié)果均展現(xiàn)了很好的預(yù)判本領(lǐng)、一致性及臨床運(yùn)用價(jià)值，進(jìn)一步證實(shí)了影像組學(xué)在ccRCC術(shù)前評(píng)價(jià)中可行性和有效性。

本研發(fā)將海內(nèi)外3個(gè)核心的330例ccRCC患者劃為訓(xùn)練集、外部驗(yàn)證集1和外部驗(yàn)證集2，分別評(píng)價(jià)基于醫(yī)師客觀評(píng)估的常規(guī)影像模型、影像組學(xué)模型及交融模型針對(duì)SSIGN低危害組(得分0-3)和中等到高危害組(得分≥4)預(yù)判價(jià)值。通過一致性解析和LASSO方式篩選出16個(gè)影像組學(xué)特點(diǎn)并創(chuàng)建影像組學(xué)模型，其展現(xiàn)了滿意的預(yù)判成效，訓(xùn)練集AUC=0.87，外部驗(yàn)證集1 AUC=0.87，外部驗(yàn)證集2 AUC=0.92。相針對(duì)常規(guī)影像特點(diǎn)模型，影像組學(xué)模型顯現(xiàn)了很好的預(yù)判價(jià)值(p < 0.05)。固然影像組學(xué)模型與交融模型預(yù)判本領(lǐng)無顯著差別(p＞0.05)，而在預(yù)判一致性及臨床運(yùn)用方面影像組學(xué)模型略優(yōu)于交融模型。因而影像組學(xué)針對(duì)SSIGN危害組預(yù)判擁有最佳的預(yù)判及運(yùn)用價(jià)值。

影像組學(xué)標(biāo)簽、常規(guī)影像特點(diǎn)模型與交融模型 針對(duì)SSIGN評(píng)分預(yù)判的ROC曲線和校準(zhǔn)曲線

王榮品老師、博士生導(dǎo)師 、貴州省人民醫(yī)院醫(yī)學(xué)影像科主任

成為這次研發(fā)的負(fù)責(zé)人，貴州省人民醫(yī)院醫(yī)學(xué)影像科主任王榮品老師表達(dá)：“依賴Dr.wise?影像組學(xué)平臺(tái)，可實(shí)行ccRCC腫瘤壞死和SSIGN評(píng)分的術(shù)前預(yù)判模型建立，并通過多核心獨(dú)立驗(yàn)證，闡明AI模型在腫瘤行業(yè)擁有潛在的運(yùn)用遠(yuǎn)景，有望輔助腫瘤臨床診斷抉擇?！?/p>

截止到現(xiàn)在為止，深睿研發(fā)院已刊登近百篇學(xué)術(shù)論文，累計(jì)牽連因子已達(dá)140，還擔(dān)當(dāng)了科技部、國(guó)自然及全國(guó)各大都市多個(gè)重要專項(xiàng)科研項(xiàng)目，彰顯出深睿醫(yī)療強(qiáng)力的科研本領(lǐng)。緊隨步入臨床的科研成果不停的產(chǎn)出，深睿醫(yī)療在大信息、云計(jì)算、人工自動(dòng)等方面的技巧優(yōu)勢(shì)獲得十足闡揚(yáng)，革新臨床診斷方式，督促科研成果迅速向臨床運(yùn)用轉(zhuǎn)變。深睿醫(yī)療也將持續(xù)秉持革新之心，在醫(yī)學(xué)人工自動(dòng)行業(yè)不停開拓和前行，發(fā)現(xiàn)醫(yī)學(xué)AI在醫(yī)療行業(yè)的運(yùn)用情景。深睿醫(yī)療深耕聰慧醫(yī)療行業(yè)，讓看病不再艱難。

被收錄文章：

■A Computed Tomography-based Tadiomics Nomogram to Preoperatively Predict Tumor Necrosis in Patients with Clear Cell Renal Cell Carcinoma

Yi Jiang, Wuchao Li, Chencui Huang, Chong Tian, Qi Chen, Xianchun Zeng, Yin Cao, Yi Chen, Yintong Yang, Heng Liu, Yonghua Bo, Chenggong Luo, Yiming Li, Tijiang Zhang, Rongpin Wang

■ Preoperative CT Radiomics Predicting the SSIGN Risk Groups in Patients with Clear Cell Renal Cell Carcinoma: Development and Multicenter Validation

Yi Jiang, Wuchao Li, Chencui Huang, Chong Tian, Qi Chen, Xianchun Zeng, Yin Cao, Yi Chen, Yintong Yang, Heng Liu, Yonghua Bo, Chenggong Luo, Yiming Li, Tijiang Zhang, Rongpin Wang