精准预测早期肺癌淋巴结转移状态：智能影像组学模型助力手术方案优化

肺癌是世界上最死亡的癌症之一。早期肺癌患者的主流治疗计划是标准肺切除术与全身性淋巴结清扫结合的。但是，一些患者在手术后证实没有​​淋巴结转移。针对这些患者进行全身性淋巴结清除不会带来生存益处，而是会对患者造成不必要的组织损害，甚至并发症，例如淋巴瘤，神经损伤和肺炎。因此，准确预测早期肺癌的淋巴结转移状态可以指导手术计划的制定，降低复发和并发症的风险，并改善患者的生活质量。

目前，淋巴结转移的诊断主要取决于放射科医生阅读这部电影，该膜高度主观，准确性低，耗时严重。为此，团队基于成像组学开发了淋巴结转移模型，该模型可以在手术前明智地确定淋巴结转移状态。但是，这种方法需要按一层进行手动概述（通常需要标记20-30个部分），这是耗时且劳动密集型的，限制了临床促进和普及。深度学习可以自动提取图像功能，而无需手动描述病变的边界，完成诊断模型的完整过程，并在智能医学成像诊断领域显示出很大的潜力。但是，基于深度学习的现有智能图像分析方法仅着眼于图像本身的信息，而忽略了与疾病进展显着相关的非图像医学的知识，例如临床数据，例如生化和血液测试指标，无法实现跨模式信息的融合和成熟。

研究人员高Xin苏州苏州医学工程研究所的中国科学学院和刘·什尤恩（Liu ）的上海昌山医院团队提出了一种新的神经网络体系结构，以基于三维神经网络（3D）基于三维神经网络（3D）的端到端跨模式信息融合（3D），以使其基于三维神经网络（3D），以3二维元素（3D）的元素（3D），以3二维神经网络（3D）构建。转移。同时，对三种类型的医学领域的知识，例如生化血液测试指标，符号信息和风险因素进行编码，图像特征和编码域知识被拼接并融合以生成特征向量。完全连接的网络用于自动学习特征权重，以计算患者淋巴结转移的风险概率。该研究使用了由三个主要设备制造商Wutai CT收集的501例早期肺腺癌患者的CT成像数据和相关临床数据，以根据拟议的新网络建筑，成功构建和验证了肺癌淋巴转移的早期诊断模型。研究结果表明，建立模型达到了92.8％的诊断精度，超过了成像法的方法（诊断精度为89.1％），基于图像的深度学习方法（诊断精度为88.0％），成像医生（平均诊断精度为69.2％），达到最高癌症的诊断症。此外，团队使用了深度模型可视化方法来量化深度模型对领域知识和医学图像的关注，从而提高了模型的可解释性（图2），有效地指导并促使医生注意关键领域知识和成像领域。这项研究的价值在于结合跨模式信息的深度学习体系结构的建议，该架构为开发智能图像辅助诊断系统提供了新的建模概念。

该研究由中国国家自然科学基金会和其他机构资助，相关结果发表在肺部（如果4.599，是呼吸系统领域的国际权威期刊）。

纸链接：

图1。提议的模型网络体系结构

图2。（a）提出的模型对所有相关因素的关注分类，对图像的关注最大，并且（b）提出的模型可视化两名在早期肺癌中两个淋巴结转移患者的重点区域。红色表明该模型更多地注意该面积，并且该区域与淋巴结转移之间的相关性越大。