携手北京协和医院，基于CT图像新技术应对临床问题的三篇科研成果陆续在《Frontiers in Oncology》发表
近日，深睿医疗与北京协和医院金征宇教授、孙昊教授团队合作的一篇科研成果被国际肿瘤领域知名期刊《Frontiers in Oncology》(IF 4.848)收录，本研究显示了深度学习在提高膀胱癌术前影像精准评估方面的巨大潜力，并为后续研究将该技术应用于CT图像以解决膀胱癌相关临床问题提供了基础。深睿医疗长期与北京协和医院在多学科领域进行科研合作，产出了众多优质科研成果，此前已有一篇肺腺癌ALK融合基因表达以及一篇前列腺患者前列腺包膜浸润的术前预测的科研成果被该期刊收录。
研究方向:膀胱癌
“Deep learning on enhanced CT images can predict the muscular invasiveness of bladder cancer”。
膀胱癌(BCa)是世界范围内最常见和致命的恶性肿瘤之一，术前准确评估BCa有无肌层浸润是选择最佳治疗方案的关键因素之一。BCa 的临床治疗决策取决于是否存在肌层浸润和肿瘤的分期。深度学习(Deep learning, DL)是一种新的图像分析技术，其在评估肌层浸润方面的潜力很大。本研究的目的是开发并验证一种基于CT图像的DL模型，用于预测BCa的肌层浸润状态。
基于术前CT图像的BCa肌层浸润预测深度学习模型构造流程图
本研究回顾纳入了两个中心的441例BCa患者，在训练集上构造3D卷积的深度学习模型。该模型采用特征金字塔融合不同层次的语义特征，并融合了密集连接模块（Dense Block）和判别过滤器学习模块（Discriminative Filter Learning），提高了模型的表达能力。最终，基于ROC曲线下面积(area under the ROC curve, AUC)对模型性能进行评估，并和两名影像学医生的主观评分进行比较。本模型在内部测试集和外部测试集上都取得了较好的表现，并均优于两名放射医生。本研究所提出的基于术前CT图像的DL模型对BCa的肌层浸润状态具有较好的预测能力，可用于BCa的个体化治疗。
研究方向:前列腺癌
“Radiomics Based on Multiparametric Magnetic Resonance Imaging to Predict Extraprostatic Extension of Prostate Cancer”
这篇也是由协和医院金征宇教授、孙昊教授团队和深睿算法团队共同攻关的前列腺癌临床决策方向的科研成果。本研究基于多模态的MRI图像数据构造组学模型和诺莫图，通过系统化的对比，验证模型的有效性。所提出的模型可以为前列腺癌的个体化治疗提供临床决策支持。
前列腺癌是全球男性最常见的恶性肿瘤，也是导致癌症相关死亡的第二大原因。本研究基于多参数MRI，构造影像学模型，用于前列腺患者前列腺包膜浸润（extraprostatic extension）的术前预测。
前列腺癌包膜浸润预测实验流程图
本研究收集了来自95个患者的115个前列腺癌病灶（阳性49个，阴性66个），纳入T2WI、DWI、ADC和DCE模态。在勾画的病灶区域提取组学特征，使用最大相关最小冗余（mRMR）进行特征选择，并基于LASSO回归构造组学和临床模型，最终提出诺莫图。本研究基于T2WI、DWI、DCE模态图像构造放射组学模型预测前列腺包膜浸润，并构造了诺莫图，可为前列腺癌的个体化治疗提供临床决策支持。
研究方向:肺腺癌
“Clinical, Conventional CT and Radiomic Feature-Based Machine Learning Models for Predicting ALK Rearrangement Status in Lung Adenocarcinoma Patients“
这是一篇关于机器学习模型预测肺腺癌间变性淋巴瘤激酶（anaplastic lymphoma kinase, ALK）融合基因表达的研究成果，也是由金征宇教授主导深睿医疗配合的临床研究。该研究将人工智能先进算法技术融入到肺腺癌临床诊疗路径中，凭借自研AI模型精准预测肺腺癌ALK融合基因，可以辅助医生提供精准的诊疗决策。
近年来肺癌的分子病理学和分子靶向治疗研究进展迅速，不同基因突变被认为是各型肺癌发病和演变的基础，许多研究证实间变性淋巴瘤激酶（anaplastic lymphoma kinase，ALK）融合基因是仅次于表皮生长因子受体（epidermal growth factor receptor，EGFR）基因的又一参与非小细胞肺癌发病的主要基因，且多发生于肺腺癌患者。对ALK阳性肿瘤靶向治疗的效果优于传统治疗，因此精准识别ALK突变患者对选择合适的治疗至关重要。
ALK预测模型实验流程图，展示了从数据收集、特征提取、特征选择、建模和验证的全过程
该研究基于平扫CT图像，结合临床特征，构造基于集成学习的机器学习模型预测肺腺癌间变性淋巴瘤激酶（anaplastic lymphoma kinase, ALK）融合基因表达。本研究基于半自动勾画的感兴趣区域，高通量地提取影像组学特征。同时，融合了医师主观评分特征和临床特征，构造多模态的机器学习模型。为了减轻过拟合的问题，设计了将f-test、DBSCAN和RFE串联起来的组合式特征选择方法。基于选择后的特征，本文使用集成学习方法（软投票算法，包括逻辑斯蒂回归和决策树）进行建模，得到预测模型，并对特征的重要性进行分析。最终，在独立的测试集上，AUC达到了0.88（95% CI: 0.77–0.94），准确率、敏感性和特异性分别为0.79、0.82和0.78。
中国医学科学院北京协和医院
放射科主任/主任医师/教授/博士研究生导师
作为三篇研究的通讯作者和负责人的金征宇教授表示，基于人工智能技术，无论是深度学习还是影像组学的研究，都为临床的个体化治疗方案决策提供了助力。将多模态的医学影像信息、医生的背景知识、临床信息和实验室结果进行有机整合，进一步发挥人工智能的优势，是未来值得探索的方向。深睿医疗的Dr.wise产品和现有的深度学习自研模型，可以提高医生数据处理的效率，是加速科研流程的催化剂。
中国医学科学院北京协和医院
放射科主任助理/副主任医师/副教授/硕士研究生导师
通讯作者之一孙昊教授指出，在与深睿医疗科研团队合作过程中，深睿团队科学家们的专业素养深厚，与医生合作交流顺畅，能够将医生的临床科研想法和相应的先进影像数据后处理技术相结合，助力医生科研成果产出，是医工结合的典范。
人工智能算法在癌症的诊断预测和疗效评估研究中扮演着越来越重要的角色，通过算法模型的建立，实现对疾病的精准诊疗和预测，为医生提供科学的决策依据。深睿医疗凭借在AI医疗领域的技术优势，灵活运用AI辅助诊断中取得的众多成果，实现了图像识别与医学影像分析等技术的创新性突破，科研成果累积影响因子已达400。深睿医疗不断拓展技术应用场景，为更多肿瘤的诊治进行智慧赋能，帮助医生高效诊疗，推动人工智能先进技术在医疗领域的落地，助力智慧医疗建设。
*《Frontiers in Oncology》主要出版肿瘤相关领域的研究，包括：基础实验、临床实验、癌症预防和治疗、肿瘤影像学以及新治疗靶点的相关研究，旨在向全世界学者、研究人员、临床医生及公众传播和交流肿瘤领域最新知识及高影响力的科学发现。
三篇文献引用信息
1
Zhang G, Wu Z, Xu L, Zhang X, Zhang D, Mao L, Li X, Xiao Y, Guo J, Ji Z, Sun H, Jin Z. Deep learning on enhanced CT images can predict the muscular invasiveness of bladder cancer. Front Oncol. doi: 10.3389/fonc.2021.654685
2
Xu L, Zhang G, Zhao L, Mao L, Li X, Yan W, Xiao Y, Lei J, Sun H, Jin Z. Radiomics Based on Multiparametric Magnetic Resonance Imaging to Predict Extraprostatic Extension of Prostate Cancer. Front Oncol. 2020 Jun 16;10:940. doi: 10.3389/fonc.2020.00940.
3
Song L, Zhu Z, Mao L, Li X, Han W, Du H, Wu H, Song W, Jin Z. Clinical, Conventional CT and Radiomic Feature-Based Machine Learning Models for Predicting ALK Rearrangement Status in Lung Adenocarcinoma Patients. Front Oncol. 2020 Mar 20;10:369. doi: 10.3389/fonc.2020.00369.