腎細(xì)胞癌（RCC）是最常見的腎癌類型，占所有腎癌的90%，在西方國(guó)家發(fā)病率最高。手術(shù)切除是RCC患者的首要治療方案，其通常包括部分腎切除術(shù)（PN）和根治性腎切除術(shù)（RN）。CT是評(píng)估腎癌手術(shù)情況不可或缺的工具，可以評(píng)估血管、腎臟和腫瘤解剖學(xué)，并為術(shù)前規(guī)劃提供依據(jù)。然而，傳統(tǒng)的手術(shù)決策過程通常依賴于醫(yī)生的經(jīng)驗(yàn)和直覺，存在主觀性和不確定性。因此，研發(fā)一種可靠且科學(xué)的輔助決策工具對(duì)提高手術(shù)準(zhǔn)確性和患者治療效果至關(guān)重要。近年來，人工智能（AI）算法在RCC的CT圖像分析中顯示出良好的預(yù)測(cè)性能，特別是人工智能算法通過CT圖像預(yù)測(cè)RCC的病理T分期（p–T）和病理核分級(jí)（p-G）已經(jīng)得到大部分研究的驗(yàn)證。然而，現(xiàn)有研究大部分存在一些限制，包括依賴專家手動(dòng)標(biāo)注感興趣區(qū)域（ROI）和難以解釋的“黑匣子”特性等，這限制了AI模型在臨床實(shí)踐中的應(yīng)用。為了解決以上問題，深圳大學(xué)吳松教授團(tuán)隊(duì)進(jìn)行了一項(xiàng)研究。他們旨在將放射組學(xué)特征、p–T和p-G深度學(xué)習(xí)特征以及整個(gè)ROI矩陣的降維特征融合，形成多尺度解剖特征。這些特征將被用于構(gòu)建自動(dòng)化預(yù)測(cè)RCC患者PN或RN的手術(shù)決策框架。該研究成果以：An automated surgical decision-making framework for partial or radical nephrectomy based on 3D-CT multi-level anatomical features in renal cell carcinoma 為題，于近日發(fā)表在了European Radiology 期刊。外科學(xué)在讀碩士楊煥程為論文第一作者，吳松教授為論文通訊作者。

該研究共有473名經(jīng)病理證實(shí)的RCC患者被分為內(nèi)部訓(xùn)練集和外部測(cè)試集。訓(xùn)練集包括來自五個(gè)開源隊(duì)列和兩家地方醫(yī)院的412例病例（中山大學(xué)腫瘤防治中心和中山大學(xué)附屬第八醫(yī)院）。外部測(cè)試集包括來自深圳大學(xué)第三附屬醫(yī)院的61名RCC患者。所提出的自動(dòng)分析框架包括以下模塊（圖一）：由3D-UNet深度學(xué)習(xí)算法構(gòu)建的3D腎臟和腫瘤自動(dòng)化語(yǔ)義分割模型，基于無監(jiān)督學(xué)習(xí)的多尺度特征提取器，以及基于XGBoost算法的PN或者RN預(yù)測(cè)分類器。該研究通過采用五折交叉驗(yàn)證策略得到穩(wěn)健的模型，使用一種名為Shapley Additive Explanations（SHAP）的定量模型解釋方法，探索每個(gè)特征的貢獻(xiàn)。

圖表1：基于3D-CT多尺度解剖特征的腎細(xì)胞癌部分切除或全切除手術(shù)決策框架。頂部使用3D-UNet模型來識(shí)別和分割病變，并從多尺度提取圖像特征用于預(yù)測(cè)和分類（底部）

圖表2：多尺度特征提取的分析和結(jié)果以及所提出的特征預(yù)測(cè)模型的性能。

a、b不同特征提取解決方案的準(zhǔn)確率和AUROC。c內(nèi)部驗(yàn)證集中通過五折交叉驗(yàn)證得出的手術(shù)方法預(yù)測(cè)模型的AUROC。d外部測(cè)試集中通過五折交叉驗(yàn)證得出的手術(shù)方法預(yù)測(cè)模型的AUROC。e內(nèi)部驗(yàn)證集中手術(shù)方法預(yù)測(cè)模型的AUROC。f外部測(cè)試集中手術(shù)方法預(yù)測(cè)模型的AUROC

圖表3：SHAP值在機(jī)器學(xué)習(xí)分類解釋中的排名。a、b柱狀圖和蜜蜂圖顯示了手術(shù)方法預(yù)測(cè)模型訓(xùn)練集的SHapley Additive exPlanations (SHAP)值

結(jié)果表明，在預(yù)測(cè)PN和RN時(shí)，多尺度解剖特征的結(jié)合表現(xiàn)出更優(yōu)異的性能，勝過任何單一尺度的特征（圖2a-b）。經(jīng)過內(nèi)部驗(yàn)證，通過五折交叉驗(yàn)證確定的平均AUROC分別為0.93 ± 0.1、0.94 ± 0.1、0.93 ± 0.1、0.93 ± 0.1和0.93 ± 0.1（圖2c-d）。在外部測(cè)試集中，最佳模型的AUROC為0.82 ± 0.1（圖f）。由SHAP算法分析可知腫瘤形狀的最大3D直徑在模型決策中起到關(guān)鍵作用，這與大多數(shù)腎癌手術(shù)評(píng)分系統(tǒng)中的主要參考特征一致。綜上所述，經(jīng)過嚴(yán)格驗(yàn)證和測(cè)試，這個(gè)自動(dòng)化手術(shù)決策框架在預(yù)測(cè)RCC患者手術(shù)決策方面表現(xiàn)出色。

醫(yī)生可以根據(jù)患者的個(gè)體情況更精確地確定手術(shù)的決策，提高手術(shù)的成功率和患者的康復(fù)效果。此外，研究團(tuán)隊(duì)通過計(jì)算單一特征的SHAP值對(duì)模型的決策過程進(jìn)行了解釋，增加了模型的可解釋性。這為醫(yī)生和患者提供了更多關(guān)于手術(shù)決策的信息，增強(qiáng)了醫(yī)療團(tuán)隊(duì)的信心和患者的安全感。通過多中心的數(shù)據(jù)收集和相對(duì)較大的樣本量，該研究進(jìn)一步提高了模型的泛化能力，使其適用于不同醫(yī)療機(jī)構(gòu)和患者群體。這項(xiàng)研究的成果為腎癌手術(shù)的個(gè)體化治療和精準(zhǔn)醫(yī)學(xué)提供了有力的支持?？傊?D-CT多尺度解剖特征的自動(dòng)化手術(shù)決策框架在RCC患者的PN和RN預(yù)測(cè)任務(wù)上展現(xiàn)出穩(wěn)健的性能。該框架為通過醫(yī)學(xué)圖像和人工智能技術(shù)指導(dǎo)臨床手術(shù)的方法指明了方向。

第一作者簡(jiǎn)介：

楊煥程，深圳大學(xué)2021級(jí)外科學(xué)在讀碩士研究生，專注于泌尿系腫瘤多模態(tài)數(shù)據(jù)人工智能算法研究。項(xiàng)目涉及泌尿系腫瘤CT、MR、病理圖像和組學(xué)數(shù)據(jù)的處理、分割標(biāo)注、標(biāo)準(zhǔn)化、特征提取、模型搭建與參數(shù)調(diào)優(yōu)等。已在European Radiology等國(guó)際知名期刊以第一作者發(fā)表SCI論文3篇，累計(jì)影響因子超過20分。

吳松，深圳大學(xué)教授、博士生導(dǎo)師，致力于以“多學(xué)科交叉”為研究手段開展泌尿系統(tǒng)疾病的基礎(chǔ)性研究。研究方向?yàn)椋喊螂装┌l(fā)生及演化機(jī)制研究（Cancer Research，2023）；臨床診療（Science Advances，2023）、智能診斷體系構(gòu)建（Nature Communications，2019）；醫(yī)學(xué)信息獲取、處理以及轉(zhuǎn)化應(yīng)用以及醫(yī)學(xué)數(shù)字孿生人領(lǐng)域研究（European Radiology，2021、2023）。

本文由“健康號(hào)”用戶上傳、授權(quán)發(fā)布，以上內(nèi)容（含文字、圖片、視頻）不代表健康界立場(chǎng)?！敖】堤?hào)”系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)，如有轉(zhuǎn)載、侵權(quán)等任何問題，請(qǐng)聯(lián)系健康界（jkh@hmkx.cn）處理。

相關(guān)知識(shí)

深圳大學(xué)華南醫(yī)院： 數(shù)字孿生技術(shù)賦能，醫(yī)療健康向「新」
AI如何助力重塑腫瘤診療模式
非凡伙伴｜清華團(tuán)隊(duì)醫(yī)者AI用MoE大模型打造健康管理AI
大模型開「箱」即用，百度攜醫(yī)療大模型一體機(jī)亮相WAIC 2024
落地了超1300家，騰訊健康A(chǔ)I大模型商業(yè)化加速跑
醫(yī)療AI落地超1300家機(jī)構(gòu) 騰訊健康打造開箱即用智能方案
以實(shí)用為理念、聚焦實(shí)際場(chǎng)景 騰訊健康醫(yī)療AI推“開箱即用”智能方案
醫(yī)療AI落地超1300家，騰訊健康打造開箱即用智能方案
醫(yī)療AI落地超1300家機(jī)構(gòu)，騰訊健康打造開箱即用智能方案
覆蓋10大醫(yī)療應(yīng)用場(chǎng)景！國(guó)產(chǎn)AI大模型應(yīng)用典型案例盤點(diǎn)

網(wǎng)址: 深圳大學(xué)吳松團(tuán)隊(duì)開發(fā)AI模型，輔助腎癌手術(shù)決策 http://m.u1s5d6.cn/newsview681175.html