近日，中科院蘇州醫工所聯合麗水市中心醫院、蘇州大學附屬第二醫院研究團隊開展了一項新的研究。

　　研究結果顯示，與醫學影像聯合使用的人工智能系統SE-DenseNet與增強核磁共振圖像結合，可以在無創條件下為病患完成癌癥分級。研究團隊表示，將把該技術應用在其開發的肝癌消融計劃導航系統中，以更準確地輔助制定手術規劃。

　　肝癌與癌癥分級

　　在原發性肝癌中，肝細胞癌（HCC）是肝癌的重要分型，占原發性肝癌的70%~90%，是導致全球癌癥死亡的第三大腫瘤。

　　肝癌的分級對病人的臨床診斷、治療方案選擇以及預后具有重要的臨床意義。

　　不同于大多數腫瘤，肝癌可以通過非侵入性的影像檢查進行確診。目前診斷肝癌的手段有影像檢查、活檢、AFP血清檢查等，其中最常用的醫學影像檢查包括CT和MR，CT和MR已經被公認為肝膽和乳腺癌等疾病的非侵入性檢查的首選。

　　病理活檢仍是評估病灶惡性程度的必要手段。若能實現基于醫學影像的病灶分級，則可以在一定程度上對腫瘤的治療方案提供參考意見，能降低診斷對病理活檢的依賴，極大減輕患者的痛苦。

　　但在臨床應用中，分級結果高度依賴于醫生經驗，具有較大的主觀性。因此，尋求客觀、有效的分級評估方法是一個重要的研究方向。

　　隨著模式識別、機器學習、深度學習等技術的不斷發展，借助醫學影像輔助診斷系統，構建深度學習網絡模型，對肝癌進行客觀自動的分級成為目前主流的研究方向之一。

　　AI為肝癌患者無創分級

　　中科院蘇州醫工所戴亞康研究員、周志勇研究員和周慶等人聯合麗水市中心醫院紀建松副院長團隊和蘇州大學附屬第二醫院范國華主任團隊，提出了SE-DenseNet網絡，開展了基于增強MR圖像（層厚3mm~8mm不等）的肝細胞癌惡性程度分級研究。

　　據了解到，該研究從麗水市中心醫院和蘇州大學附屬第二醫院獲取了75位病人的增強核磁共振圖像，包括75例動脈期圖像、75例靜脈期圖像、63例延遲期圖像，共213個病灶ROI。

　　研究人員通過結合深度學習中的DenseNet和SENet兩種網絡結構，構建了SE-DenseNet網絡，利用SENet對特征進行權重自學習，從而達到對重要特征的增強的目的，在一定程度上，SE-DenseNet緩解了DenseNet的特征冗余性。

　　SE-DenseNet框架圖

　　實驗結果顯示，SE-DenseNet的分類性能優于DenseNet和DenseNet-BC（SE-DenseNet：accuracy=0.83，DenseNet：accuracy=0.72，DenseNet-BC：accuracy=0.66）。

　　研究人員表示，與醫學影像聯合使用的人工智能系統SE-DenseNet與增強核磁共振圖像結合，可以在無創條件下為病患完成癌癥分級。未來將把該技術應用在其開發的肝癌消融計劃導航系統中，以更準確地輔助制定手術規劃。

　　參與此項研究的蘇州醫工所研究員周志勇曾表示，“相比于傳統通過穿刺進行的癌癥分級，使用‘醫學影像+AI’分級能更全面地獲取病灶信息，降低漏檢概率。近年來，利用人工智能進行病灶分級的準確性還在不斷提升，說明這項技術應用于疾病診療具有很廣闊的前景?！?/p>

　　另外，據了解，此項研究還獲得了國家重點研發計劃、浙江省重點研發計劃和蘇州市民生科技等項目的資助。