深睿医疗联合天津市海河医院最新科研成果被国际医学影像领域期刊EJNMMI收录
近日，深睿医疗联合天津市海河医院邢志珩主任团队开发的关于分枝杆菌肺病深度学习研究被国际医学影像领域期刊--欧洲核医学与分子影像杂志EJNMMI（影响因子7.081）收录。该研究开发了一个基于胸部CT图像鉴别非结核分枝杆菌和结核分枝杆菌肺部感染的深度学习模型框架，实现对两种疾病的鉴别诊断，该研究成果具有超高的含金量，它可以辅助放射科医生精准筛查，早期发现病变，减少误诊，最终为临床医生选择合适的治疗策略，优化诊断流程，提供有力的依据，尽早给予患者更具有针对性的治疗。
论文题目
“Distinguishing nontuberculous Mycobacteria from Mycobacterium tuberculosis lung disease from CT images using a deep learning framework”。
据报道，结核分枝杆菌(MTB)是呼吸道感染疾病中最常见的死亡原因，非结核分枝杆菌(NTM)与MTB均属于分枝杆菌，遗传学研究表明，NTM与MTB存在诸多相似基因株，因此二者的临床表现和影像学特征亦有诸多相似之处。然而，NTM通常对大多数抗结核药物反应不佳，NTM与MTB的药物敏感性不同，因此，二者的临床治疗策略不同。准确及时的诊断这两种疾病有助于制定正确治疗策略，避免不必要的药物相关不良反应及医疗费用。
本研究收集天津市海河医院的301例非结核分枝杆菌肺病（NTM-LD）和804例结核分枝杆菌肺病（MTB-LD）患者的胸部CT影像数据，对深度学习残差网络3D-Resnet进行内部训练、验证和测试，以病原微生物结果作为参考依据。
研究的实验设计分为三步：第一，基于内部数据集训练、验证并测试模型；第二，人机对比实验，将AI模型与不同年资放射科医师进行双盲阅片的判读比对；最后，在西安胸科医院的外部数据集上进行外部测试。实验结果综合AUC，准确性，敏感性和特异性等指标评价模型的性能。
图1. 数据的纳入排除情况和典型的NTM-LD患者和MTB-LD患者的CT扫描结果。
图2. 研究的流程图。主要包含了3D-Resnet的训练网络结构和人机对比实验。
结果显示3D-Resnet在训练集、验证集、测试集上均表现出色，AUC为0.86-0.90，准确性为0.83-0.88，敏感性为0.92-1.00，特异性为0.52-0.57。在外部测试集上的AUC、准确性、敏感性和特异性分别为0.78、0.69、0.75和0.63。并且，3D-Resnet识别并诊断每一位患者的CT图像仅需要 0.04-0.06s, 比放射科医师快1000 倍。
我们使用类激活图（CAM）直观地解释深度学习模型在完全不需要人工进行标注基础上识别可疑病灶。CAM显示，我们的模型对可疑的肺区域有反应，例如磨玻璃密度、实变、结节、树芽征和胸腔积液等区域，实验表明CAM识别可疑病灶与放射科医生具有高度一致性。
由此，本研究开发了一个基于胸部CT平扫图像的全自动分类的深度学习框架，实现了对非结核分枝杆菌和结核分枝杆菌肺病的鉴别诊断，与放射科医生相比，该模型具有更高的准确性、敏感性和特异性。
天津市海河医院沈军院长说：“AI已经在推动医学影像数据分析自动化取得了重要的进展，随着数据的积累和技术的进一步成熟，医疗与AI技术结合将产生巨大的社会效益和经济效益，改变医疗资源紧缺的现状，在技术的驱动下迅速提高基层医生的诊疗水平，切实解决看病难的问题。”
目前深睿医疗的Dr.Wise®胸部CT AI医学辅助诊断系统解决方案是基于胸部CT成像的多征象、多病种AI辅诊解决方案，包括肺结节、肺炎、其他肺部疾病征象、骨质病变和纵隔病变等AI辅诊模块，可实现肺部、胸膜、胸廓、纵隔等部位的全征象一站式自动分析及疾病诊疗全流程管理，具备定位检出、定量分析、定性分析、智能随访和结构化报告等功能，整个方案更加接近医生的日常工作模式，大幅提升诊疗流程的效率、准确性和标准化。就在前不久，深睿医疗胸部CT AI解决方案中的肺结节和肺炎AI产品均已获得了NMPA三类证，是目前为数不多拥有两张三类证的医疗AI公司。
<Dr.Wise® 胸部CT AI解决方案>
作为一家以科技创新为目标的医疗AI公司，深睿医疗具有多元化的产品线，其中明星产品Dr.Wise®AI医学辅助诊断系统覆盖了胸部CT AI解决方案、心脑血管疾病AI解决方案、X-ray平片解决方案、女性关爱AI解决方案以及儿童生长发育AI解决方案，未来，深睿医疗将会在产品原有的基础上做深度优化，实现更广、更深的研究，开发出更多可助力医疗行业的AI智能产品为医疗大健康产业贡献力量，为人类健康保驾护航。
*《European Journal of Nuclear Medicine and Molecular Imaging, EJNMMI》于1976年创刊，欧洲核医学与分子影像杂志，是欧洲核医学会官方学术期刊，根据Springer期刊Imaging/Radiology领域排名：1/53;在中科院JCR被认定为医学类1区Top期刊。该期刊最新SCI影响因子为7.081，在各种期刊评价体系中均属于高质量学术期刊，排名国际医学影像领域主流学会官方学术期刊首位。
被收录文章
1
Wang L, Ding W, Mo Y, Shi D, Zhang S, Zhong L, Wang K, Wang J, Huang C, Zhang S, Ye Z, Shen J, Xing Z. Distinguishing nontuberculous mycobacteria from Mycobacterium tuberculosis lung disease from CT images using a deep learning framework. Eur J Nucl Med Mol Imaging. 2021 Jun 16.