全球首个眼科机器人医生接诊

最近,中山大学眼科中心医院正式推出全球首个眼科人工智能机器人医生-"AI眼科医生",只要把患者拍摄的眼部检查数据上传云端,该人工智能就能对先天性白内障患者进行诊断.目前"AI眼科医生"接诊超过50名患者,可据眼部检查图像上白内障病灶的大小,致密程度,病变范围等,进行初步诊断,对高精度眼部检查图像的诊断准确率达90%以上,并对97%的患者提出了正确的治疗方案,诊断技能已达"专家级眼科医师"水平.

神经导航技术在神经外科领域的应用研究

神经导航技术是神经外科领域的一项革命性进步,其核心在于通过多模态影像融合与实时空间定位,为术者提供高精度的解剖及功能引导.目前,该技术已广泛应用于脑肿瘤,脑血管病,功能神经外科及脊柱手术中.其优势主要体现在精准定位,微创化,实时动态更新和多技术融合等方面:精准定位通过结合高分辨率MRI/CT及DTI纤维束成像,可清晰显示病灶与周围功能区的关系;微创化能减少术中探查损伤,尤其适用于深部或毗邻重要神经,血管等组织结构的病变;实时动态更新借助术中超声或iMRI校正脑移位误差,提升手术安全性;多技术融合则与荧光显像,电生理监测等结合,进一步优化手术效果.现今,神经导航系统正朝着智能化方向发展,如AI算法辅助路径规划,AR视觉叠加导航等,然而其普及仍面临成本高,技术复杂等挑战.未来,随着5G远程手术,量子计算及生物传感器的应用,神经导航有望实现全流程自动化与个性化,成为神经外科手术的黄金标准.研究表明,采用神经导航技术进行肿瘤切除术,全切除率可提高至20%~30%,术后神经功能障碍率亦显著降低.这一技术的持续革新将为神经外科临床诊疗带来更广阔的前景.本文撰写旨在基于医学教育理念,让学员通过从理论到实践的分步骤学习,以达到融会贯通之目的.

立体定向放射治疗:提高鼻咽癌局部控制的有效方法

放射治疗是鼻咽癌首选和主要的治疗方法,其控制率与放疗剂量呈正相关.鼻咽癌放疗后局部复发是失败原因之一.立体定向放射治疗(steteotactic radiotherapy, SRT)具有高精度,高剂量体积适形于靶区,高治疗增益比以及靶周正常组织照射少的特点,适合作为鼻咽癌残留病灶推量照射.尽管各家报道的SRT推量分割方案不一,但结果均显示对有病灶残存的患者给予高剂量照射能提高局部控制率.肿瘤侵及颈鞘血管,海绵窦以及瘤体大伴有坏死是推量照射的禁忌证;老年患者和合并高血压,糖尿病,鼻咽部严重感染者是推量照射的相对禁忌证.对紧邻血管神经的靶区采用SRT比立体定向放射外科(stereotactic radiosurgery,SRS)更有利降低晚期损伤.采用SRT作为鼻咽癌残留病灶推量照射有肯定的临床价值.选择合适病例,个体化的剂量分割方案,综合把握肿瘤消退和正常组织修复的平衡关系,能使患者获得满意的疗效和较高的生存质量并能提高晚期患者生存率.

肝占位性病变超声造影智能诊断前瞻性多中心研究

研究目的基于前瞻性多中心收集的大样本量超声造影(Contrast enhanced ultrasound,CEUS)数据,评估CEUS对于各种肝占位性病变的现场诊断能力,为临床提供高质量的循证证据.针对临床实践中肝占位性病变鉴别诊断最为困难的两类疾病——肝细胞癌(Hepatocellular carcinoma,HCC)和肝内胆管细胞癌(intrahepatic cholangiocellular carcinoma,ICC),评估深度学习方法能否辅助医生提升诊断效能.为解决CEUS人工智能研究中面临的信息量大,人工标注费时费力的困境,我们同时开发了CEUS视频目标自动跟踪模型,为后续肝占位性病变的多分类诊断打下基础.研究方法⑴纳入全国80家各级医院标准化肝占位性病变CEUS数据,包括24个省或直辖市(占全国34个省或直辖市的71%,24/34),共3876例患者,3960个结节.对真实临床场景下所出具的CEUS现场诊断报告所包含的诊断信息进行标准化处理,通过对灵敏度(sensitivity,Se),特异度(specificity,Sp),阳性预测值(positive predictive value,PPV),阴性预测值(negative predictive value,NPV),准确率(accuracy,ACC)等诊断性指标的计算,分析CEUS对于各类不同肝占位性病变的现场诊断能力,并进一步分析结节大小,肝背景,医院层次和医生经验对诊断能力的影响.⑵基于前瞻性收集的标准化CEUS视频,通过对875例由医生精准标注的各种类型肝占位性病变目标病灶特征的学习,利用孪生网络系列Siam FC(fully-convolutional siame,全卷积孪生网络),通过引进局部注意力机制和改进模板在线更新策略等创新性方法,开发了高精度CEUS视频自动追踪模型,并将本研究开发的方法和传统方法在准确率,鲁棒性和处理速度三个方面进行性能比较.⑶在CEUS视频自动追踪的基础上,建立了基于深度卷积神经网络CEUS智能诊断模型,将该方法率先应用于鉴别诊断HCC与ICC.分别基于灰阶图像,超声造影,灰阶与超声造影联合建立模型,并最终将病灶和肝脏的影像学特征与患者的临床信息进行融合.本研究主要包括4个数据集,分别为训练集753例,验证集252例,两个独立来源的测试数据集,分别包括97例和26例数据.进一步将深度学习模型的诊断能力与不用年资超声医生进行比较,并评价人工智能(AI artificial intelligence,AI)的辅助对于医生诊断效能的影响.研究结果⑴CEUS对于肝占位性病变良恶性鉴别灵敏度,特异度,阳性预测值,阴性预测值和准确率分别为96.0%,84.9%,94.5%,88.7%及93.0%,且对于不同的亚组(结节大小,肝背景回声,医院层次和医生的经验水平)均可取的较好的诊断效能.其中,>5cm结节特异度和准确率略高(p<0.05);相比于正常肝背景,在肝纤维/肝硬化背景下,良恶性鉴别的特异度有所下降(87.9%Vs 72.5%),但灵敏度升高(94.0%Vs 97.2%),最终准确率增加(91.5%Vs 94.8%)(p<0.001);专家中心与非专家中心相比,灵敏度较高而特异度降低(p<0.001),专家中心的准确率略高于非专家中心(p=0.028),各个医院层次内部的医生的诊断水平相对持平,差异无统计学显著性.在HCC,转移性肝癌,血管瘤,局灶性结节性增生和肝脓肿等病种中,CEUS均显示了较高的诊断能力,灵敏度分别为89.4%,85.2%,94.5%,82.8%和91.3%;然而对于ICC,灵敏度仅54.3%-56.3%,高达18.1%(42/232)的ICC被误诊为HCC.⑵本研究开发了高精度CEUS视频自动追踪模型,在经预先精准标注的视频数据集(31例,用于测试的标注帧4367帧)验证中,平均精度达到了85.7%,在各种交并比阈值下鲁棒性较既往模型均有较大提升,其中在交并比阈值0.1下鲁棒性提升达9%,跟踪速度达99帧/秒,可实现对CEUS动态视频的实时跟踪处理.⑶基于深度学习的CEUS诊断模型在HCC和ICC方面获得了较为满意的诊断效能,在验证集中,AUC,Se,Sp,ACC达0.889(95%CI:0.886-0.892),0.914(95%CI:0.912-0.916),0.804(95%CI:0.798-0.810),0.890(95%CI:0.888-0.892),各项指标均优于不同级别的医生,且接受AI的辅助均能在一定程度上提升各个级别的医生的诊断效能,提升的幅度与年资相关,其中对低年资提升最为显著.研究结论⑴CEUS对于肝占位性病变良恶性鉴别具有很高的灵敏度,特异度和准确率,且诊断效能受结节大小,肝背景回声,医院层次和医生的经验水平的影响较小,对于HCC,转移性肝癌,血管瘤,局灶性结节性增生和肝脓肿等病种均具有较高灵敏度和准确率,提示CEUS在临床实践中可以可靠地用于快速筛检出恶性病变,并进一步对上述病种进行准确的多分类诊断.但是,ICC的诊断灵敏度较低,相当比例的病例会被误诊为HCC.⑵本研究中基于孪生网络系列方法建立的CEUS视频自动追踪模型,有助于解决CEUS信息量大,人工标注费时费力的困境,可快速,批量,高精度的处理CEUS动态视频数据,为后续的研究打下坚实的基础.⑶CEUS深度学习网络模型对HCC和ICC具有较高的鉴别诊断效能,其诊断能力超越各个级别的医生,且AI辅助医生的诊断模式优于单独医生的诊断能力.