深睿医疗与中国医学科学院肿瘤医院多篇肺结节研究成果被European Radiology收录
近日，深睿医疗联合中国医学科学院肿瘤医院发表的肺结节英文论著被放射学权威期刊《European Radiology》（影响因子5.315）收录，本研究主要探讨深度学习的诊断模型是如何提高胸部CT肺结节良恶性鉴别的准确性问题，在诊断肺结节时可能获得更高的确定性。此前已有两篇肺结节科研成果被该期刊收录，从不同方向证明基于深度学习的方法在诊断肺结节和促进临床管理方面具有很好的前景。
1
Proposing a deep learning-based method for improving the diagnostic certainty of pulmonary nodules in CT scan of chest.
深度学习的诊断模型可提高胸部
CT肺结节良恶性鉴别的准确性
该文通讯作者为中国医学科学院肿瘤医院王建卫教授，第一作者为王雅雯博士。研究过程中回顾性连续纳入中国医学科学院肿瘤医院经手术病理证实的150个肺结节，其中恶性结节90个，良性结节60个，尤其是其中还包括30个临床上判断比较困难的亚厘米结节。所有结节均根据放射科医师书写的报告分为良性、不确定、恶性三种诊断。采用深睿医疗Dr. Wise®肺结节AI医学辅助诊断系统，对CT图像进行判读，以病理结果为金标准，使用McNemar-Bowker检验，将基于深度学习的诊断模型与放射科医师报告的准确性进行比较。
▲深度学习模型框架
实验结果对于每个结节，基于深度学习的诊断模型与放射科医师报告的诊断结果有统计学差异(c2=33.213, P<0.001)。实验数据表明基于深度学习的诊断模型对胸部CT肺结节的良恶性鉴别达到了与放射科医师日常工作大致相当的准确率，但不确定性诊断明显减少，从而可提高对肺结节诊断的信心，对临床决策有一定帮助。因此，基于深度学习的诊断模型在临床应用中具有很大潜力。
2
Natural history of pathologically confirmed pulmonary subsolid nodules with deep learning-assisted nodule segmentation.
AI辅助不同病理类型亚实性
肺结节自然生长史研究
该文通讯作者为中国医学科学院肿瘤医院吴宁主任，第一作者为齐琳琳博士和王建卫教授。该研究用深度学习算法实现亚实性肺结节精准检出和分割，探讨不同病理类型亚实性肺结节的自然生长史和生长模型，并探索影响肺SSNs生长的危险因素和鉴别肺浸润腺癌的可靠指标，从而为临床科学管理肺SSNs提供理论支持。
该研究回顾性地纳入了2012年6月至2019年6月期间95例长期随访后行手术切除的肺亚实性结节（SSN），利用来自深睿医疗的Dr. Wise®肺结节AI医学辅助诊断系统实现肺SSNs的自动检出和分割。根据术后病理复阅结果，入组肺SSNs被分为浸润性腺癌组（IAC，n=47）和非浸润性腺癌组（non-IAC，n=48）；根据术前随访期间结节大小的变化，入组肺SSNs又被分成生长组（n=68）、未生长组（n=22）以及新出现组（n=5）。分析肺SSNs累积生长百分比和生长模型，探究影响肺SSNs生长的危险因素和鉴别肺IAC的可靠指标。
结论表明影像上表现为肺SSNs的IAC具有鲜明的惰性生物学行为。IAC组肺SSNs的平均生长速率大于non-IAC组。肺SSNs的基线体积越大，其随访过程出现生长的风险越高，从而为临床科学管理肺SSNs提供了理论支持。
▲基于深睿医疗Dr. Wise肺结节辅助分析系统
实现的肺结节精准检出和分割
3
Long-term follow-up of persistent pulmonary pure ground-glass nodules with deep learning–assisted nodule segmentation
AI探究肺纯磨玻璃结节（pGGN）
的自然生长规律
双方合作的另外一篇文章刊登在《European Radiology》的科研成果是基于AI探究肺纯磨玻璃结节（pGGN）的自然生长规律，计算肺pGGNs的生长速度，并评估影响肺pGGNs生长的危险因素，为临床上管理pGGN提供了重要的参考。
论文通讯作者中国医学科学院肿瘤医院吴宁主任表示：“随着胸部薄层CT的广泛应用，肺亚实性结节的检出率显著增高，困扰了广大患者。我们团队两项研究基于AI探索肺亚实性结节的自然生长史和生长模型，更准确揭示了肺亚实性结节惰性生物学行为，为临床更科学合理地管理这类结节提供了理论支持。这正是在精准医疗的大背景下我们一次非常有意义的科学实践。”
王建卫教授同时参与了上述三项研究工作，他表示“这一系列研究均为临床问题导向，具有很好的系统性和连贯性，从肺结节的定量研究到定性诊断，比较有力地提供了AI在临床场景使用有效性的证据，为推动相关AI技术更加实用化、临床化提供了很有意义的参考。”
深睿医疗是一家注重前沿科技探索的公司，致力于将先进的人工智能技术应用到医疗领域。深睿医疗的肺结节AI产品已经在2020年通过创新通道获批中国国家药品监督管理局（NMPA）医疗器械三类证，深睿研发团队仍在不断的提升和优化产品性能 ，旨在运用AI为肺结节临床诊断提供更多助力。同时，在Dr.Wise 多模态科研平台的助力下，与医院、高校通过科研合作，提升科研产出效率、质量，并积极促进成果转化，让前沿人工智能技术和研究更加贴近临床需求，让AI真正落地到实际临床场景，助力国家智慧医疗建设。
近日，计算机视觉领域三大盛会之一的CVPR2021以及国际计算机视觉与模式识别会议MICCAI2021，刚刚公布了论文收录情况，深睿医疗共计18篇文章被收录，在计算机视觉领域实现了创新突破，全面体现了深睿医疗在AI算法领域的持续创新能力，在计算机视觉领域实现了创新突破，截止到目前为止，深睿累积影响因子超过500，彰显出深睿研究院强大的科研能力与实力。
被收录文章列表
1
Wang YW，Wang JW, Yang SX, Qi LL, Lin HL, Zhou Z, Yu YZ. Proposing a Deep Learning-based Method for Improving the Diagnostic Certainty of Pulmonary Nodules in CT Scan of Chest. Eur Radiol. 2021 May 6. doi: 10.1007/s00330-021-07919-5.
2
Qi LL, Wang JW, Yang L, Huang Y, Zhao SJ, Tang W, Jin YJ, Zhang ZW, Zhou Z, Yu YZ, Wang YZ, Wu N. Natural history of pathologically confirmed pulmonary subsolid nodules with deep learning-assisted nodule segmentation. Eur Radiol. 2021 Jun;31(6):3884-3897. doi: 10.1007/s00330-020-07450-z. Epub 2020 Nov 21. PMID: 33219848.
3
Qi LL, Wu BT, Tang W, Zhou LN, Huang Y, Zhao SJ, Liu L, Li M, Zhang L, Feng SC, Hou DH, Zhou Z, Li XL, Wang YZ, Wu N, Wang JW. Long-term follow-up of persistent pulmonary pure ground-glass nodules with deep learning-assisted nodule segmentation. Eur Radiol. 2020 Feb;30(2):744-755.