超声人工智能在肿瘤诊疗的应用进展.pdf

摇 基金项目:2022 年辽宁省重点研发项目,项目编号:2020JH2/10300122。摇 作者简介:曹军英(1969),女,河北乐亭人,主任医师,医学博士后,主要研究方向为介入性超声诊疗及 5G 智能超声。超声人工智能在肿瘤诊疗的应用进展曹军英,李玥(北部战区总医院超声科,辽宁 沈阳 110016)摇 摇 超声具有无电离辐射、低成本、实时成像等独特优势。随着高频超声、彩色多普勒血流成像、对比增强超声(contrast enhanced ultrasound,CEUS)、超声弹性成像、三维成像、自动乳腺全容积扫描等多模态超声技术不断发展,超声已成为临床实践中不可或缺的影像学检查方法。但由于超声对操作者的高度依赖性,可重复性有待提高。人工智能(AI)在自动识别声像图特征、定量评估等方面辅助超声医师获得准确且重复性良好的诊断结论,具有应用潜能。本文简述人工智能相关技术概念,从计算机辅助诊断(computer-aided diagnosis,CAD)、预测、疗效评估等方面总结近年来超声人工智能在甲状腺、乳腺、肝脏、前列腺肿瘤诊疗中的应用,对 AI 在超声医学临床实践中面临的挑战和机遇进行展望。1摇 人工智能相关技术简述11郾 1摇 人工智能AI 是计算机科学的一个分支,包括机器学习(machine learning,ML)、深度学习(deep learn鄄ing,DL)和卷积神经网络(convolutional neuralnetworks,CNN),人工智能可使用设备模仿人类的认知过程,涉及学习、应用和解决复杂问题。由于图像本身是人工智能算法的主要数据来源,其像素值可以被量化,人工智能技术适合应用于医学影像领域。1郾 2摇 机器学习ML 通过训练、测试和验证等步骤将输入的数据或变量映射到输出结果。ML 可分为 3 类:监督学习、无监督学习和强化学习。超声成像中最常用的方法是监督学习,数据标记由专家确定,比较耗时;无监督学习可发现数据中隐藏的信息并对其进行分类;强化学习中计算机对于预测结果可进行强化反馈。根据特征是否为人工提取的,ML 可分为人工提取特征、非人工提取特征两种类型。1郾 3摇 深度学习DL 是基于人工神经网络,模拟人类神经元、自动学习信息并从原始数据中积累经验、提取特征的技术。与传统的人工神经网络相比,DL 包含更多的隐藏层,并以分层、非线性的方式处理输入信息。1郾 4摇 卷积神经网络CNN 是神经网络的一个子类,多个处理层使CNN 具有学习医学影像抽象特征的能力。2摇 人工智能在超声影像中应用领域随着人工智能的发展,超声影像数据分析已进入新时代。AI 技术支持多方面技术:(1)检测:自动识别器官结构及感兴趣的病灶;(2)诊断或分类:分析超声影像以评估疾病状态或将其归类到特定类别;(3)分割病变的边界;(4)预测变量的结局。3摇 超声人工智能在肿瘤疾病诊疗中的应用3郾 1摇 甲状腺肿瘤2-3超声 AI 影像辅助甲状腺结节诊断系统可自动识别、分析病灶超声声像图特征,诊断效能与高年资医师相仿,能有效提高低年资超声医师的诊断准确率4。MAI5等应用 AI-SONICTM Throid 构建模型发现甲状腺结节回声、钙化、图像质量、结节大小等均影响诊断结果。杨波6等甲状腺结节声像图导入超声 AI 影像辅助诊断系统,对甲状腺可疑结节的最佳诊断恶性截断值为 TR5(ACR TI-RADS 分类为 5 类)。HOU7等针对弥漫性背景设计了 AI 模型,学习结节内部特征以及结节周边的甲状腺背景特征,降低了合并弥漫性背景的甲状腺结节的诊断难度。2020 甲状腺结节超声恶性风险分层中国指南C-TIRADS 分类方法兼顾分类的准确性及临床易用性,适应目前我国甲状腺结节诊治流程,与人工智1锦州医科大学学报J Jinzhou Medical University2023 Aug.44(4)能 S-Detect 技术(已上市软件)联合使用可提高甲状腺结节的诊断效能(灵敏度为 95郾 2%、特异度为82郾 5%、准确率为91郾 8%)8,减少不必要的穿刺活检9。王丹10等研究发现 CEUS 诊断的灵敏度、特异度、准确率、阳性预测值、阴性预测值及 AUC均高于 AI-CAD,但在 TI-RADS 5 类结节中的灵敏度不及 AI-CAD,CEUS 对甲状腺 TI-RADS 4 5 类结节中 PTC 和 NG 具有更高的鉴别诊断价值。另外,AI 还可通过学习超声图像特征区分 Bethesda芋类 结 节 与 郁、吁、遇 类 结 节,准 确 率 可 达87郾 15%11,给细胞病理医师提供诊断参考。李盈盈12等基于深度学习方法建立甲状腺超声图像预测 PTC 患者中央区淋巴结转移的计算机辅助诊断系统(AUC 为 0郾 794),可为临床选择治疗方案提供依据。3郾 2摇 乳腺肿瘤13AI 在乳腺超声中最常见的应用是乳腺肿瘤的诊断和分类,在减少部分良性结节非必要的穿刺活检、提高恶性结节诊断准确性等方面具有临床应用价值14。高思琦15等应用 AI 对病灶形态学和纹理特征进行提取,发现 AI 在导管内乳头状瘤、纤维腺瘤及腺病等病理类型中诊断良恶性的表现优于医师,同时,与诊断经验丰富的医师相比,AI 特异度(78%)较高。吕明慧16等建立基于深度学习的人工智能模型可辅助超声医师进行乳腺影像报告和数据系统(breast imaging reporting and datasystem,BI-RADS)分类,有效提高医师之间分类的一致性且不降低诊断效能;通过调整结节分类,良性结节由 4 类降为 3 类最多(56郾 6%,43/76);恶性结节由 4 类升为 5 类最多(69郾 4%,34/49)。PHD17等实现了对臆1 cm3肿瘤的灵敏度检测。人工智能联合多模态超声可克服单独应用的不足,刘梦涵18等研究发现人工智能 S-detect 软件联合声触诊组织成像定量(virtual touch imagingquantification,VTIQ)应用于常规超声时,能有效提高低年资超声医师对乳腺良恶性肿瘤的诊断效能。结合 SE 与灰阶超声的 DL-CAD 组合模型在区别良恶性病灶时特异度高达 91郾 10%,证明多模态集成能够克服单一模态 CAD 模型的部分缺点19。王世界20等探讨基于自动乳腺全容积成像(auto鄄mated breast volume scanner,ABVS)影像组学的机器学习模型鉴别乳腺影像报告和数据系统 BI-RADS 4 类病灶良恶性的临床价值,提取病灶的最大切面图像影像组学特征,构建不同的机器学习模型,将诊断性能最优的 6 种模型在外部验证集进行验证并确定最终的机器学习模型,发现基于 ABVS影像组学的机器学习模型能较好地区分良恶性 BI-RADS 4 类病灶,提升经验较少医师的诊断性能及其诊断信心。通过 MRI/超声融合成像可以对此类肿瘤实现超声引导下穿刺活检,能提高工作效率,降低医疗成本和患者的不适感21。ZHOU22等人应用的 DL模型可以有效地预测淋巴结转移。侯永志23等初步应用人工智能辅助乳腺超声筛查技术,有效提升非乳腺超声专科医师及技师的筛查效能,解决西藏地区基层筛查时面临的问题,该技术具有社会意义和临床价值。3郾 3摇 肝脏、前列腺肿瘤24-25在 AI 联合多模态超声鉴别肝脏结节良恶性方面,WANG26等利用 CEUS 和 US 总共四个时相的影像数据中选出典型图片,提取组学特征后结合临床实验室指标,使用 SVM 算法进行术前预测病理肝细胞癌分级(AUC=0郾 785,95%CI=0郾 662 0郾 909),预测能力比单一的组学模型和临床模型有所提高。LI27等构建了结合超声组学特征和放射科医生的评分的模型,从单一的组学模型到联合模型,AUC 从 0郾 86 上升到 0郾 93,多模态的数据结合提高了鉴别肝脏局灶性结节增生和不典型肝癌的能力。WANG28等使用 SVM 算法构建的 SWE 测值+超声影像组学特征联合评分预测肝脏局灶性病变(focal liver lesions,FLLs)良恶性的 AUC 为 0郾 94,敏感性 92郾 6%,特异性 87郾 5%,均高于超声影像组学评分模型,提示两者联合能为 FLLs 的良恶性鉴别提供了更高的诊断价值。QIN29等使用提取肝转移癌(metastasis carcinoma,MET)病灶的灰阶超声图像影像组学特征以识别原发癌分类,对消化道肿瘤、乳腺癌、肺癌均具有较高的诊断效能,有望成为鉴别 MET 原发肿瘤的无创方法。超声引导下消融技术因其微创和良好疗效而被应用于肿瘤临床治疗,AI 在肝细胞癌治疗中的应用研究方向主要在于消融术中声像图与 MRI/CT 图像的融合配准30,指导术者对于困难病灶的精准实时定位,以期得到肿瘤的完全消融和安全边界,同时极大程度上保存正常肝组织、规避对周边重要器官组织的误伤。在预测消融术后疗效方面,MA31等行热消融治疗的 HCC 患者(均为直径臆5cm 的单发病灶),应用 CNN 建立基于动态 CEUS的影像组学模型,预测 RFA 治疗后 2 年 PFS 的AUC 为 0郾 84,准确性、敏感性和特异性分别为2锦州医科大学学报摇 2023 年 8 月,44(4)0郾 81、0郾 69、0郾 93,能够较好地预测 HCC 患者消融后早期复发风险。近年来,AI 辅助诊断系统检查前列腺肿瘤、建立超声预测 PCa 模型、辅助前列腺穿刺活检具有广阔应用前景32。刘秀33等基于经直肠超声造影参数及临床资料建立机器学习模型诊断临床显著性前列腺癌,通过相关属性值及信息增益属性值进行特征分析及特征筛选,将筛选特征通过机器学习单一算法及集成算法进行模型训练及测试,研究发现在决策树、SVM、Logistic 回归及集成算法中,基算法为决策树的 Bagging 集成算法模型诊断临床显著性前列腺癌性能最优。4摇 总结与展望近年来,人工智能相关技术助力超声影像诊疗,超声影像组学的兴起综合了多模态超声图像,为超声精准诊断肿瘤、引导微创治疗、预测疗效、转移等模型提供了高通量特征参数。人工智能时代给超声医学带来了革新及多个优势:(1)有效:辅助低年资超声医师提供可靠的诊断;(2)高效:减少超声医师的工作量;(3)公平:对于医疗资源有限的偏远地区,基于人工智能的超声诊断系统有助于减少技术壁垒。当前,基于人工智能的超声诊断系统在临床应用中仍有一些关键问题需要解决:(1)数据库的数量和质量直接影响人工智能相关技术的性能,超声对操作者依赖性高,在不同研究中心、不同超声仪器人工获取和评估超声图像时,不可避免地存在较高的内部和外部差异性;(2)人工智能算法缺乏透明度。我们无法获取输入层和输出层之间的隐藏的内部结构信息。如算法存在错误,很难找到问题的解决方案;(3)超声影像人工智能涉及患者隐私和数据安全,在训练、验证和共享数据时,保护数据至关重要。综上所述,随着超声人工智能的标准化数据集共享、相关技术的不断探索、医工结合的不断深入、大数据的不断发展,我们相信人工智能技术将在肿瘤超声精准诊疗中发挥更大作用,为患者带来更多获益。参考文献:1 摇 SHEN Y T,CHEN L,YUE W W,et al.Artificial intelligencein ultrasound J.Eur J Radiol,2021,139:109717.2 摇 刘旭,陈琴,周青.人工智能在甲状腺结节超声诊断中的应用进展 J.临床超声医学杂志,2022,24(4):298-300.3 摇 詹维伟,侯怡卿.人工智能时代甲状腺超声检查的应用与展望 J.外科理论与实践,2021,26(6):500-503.4 摇 宋丹琳,郑静,倪志鹏,等.超声图像人工智能辅助对甲状腺结节定性诊断价值的研究 J.中国临床医学影像杂志,2023,34(2):87-90.5 摇 MAI W,ZHOU M,LI J,et al.The value of the demetics ul鄄trasound-assisted diagnosi