活跃在2018年全国肺癌学术大会上的“数字肺”

来源：HIT专家网     记者：朱小兵

解放军总医院呼吸科主任陈良安教授做大会主旨发言

大约100年前，肺癌还是罕见病。而现在，有的医院胸外科每天都要做数例肺癌手术——肺癌已经成为了常见病。如何降低肺癌的死亡率？特别是如何应对肺癌的早期诊断筛查当中所面临的挑战？

5月18-20日，中华医学会2018年全国肺癌学术大会在京举行，云集了来自海内外呼吸、外科、放疗、介入、影像等多个学科领域的专家。在关于肺癌的筛查、诊断、治疗的各种前沿话题中，活跃着大数据、“人工智能”（AI）的身影。由解放军总医院呼吸科联合陕西渭南神州德信医学成像技术有限公司（以下简称：神州德信）共同开展的“数字肺”胸部影像分析研究，在大会期间全程展示，并通过卫星会的方式开展了专题学术交流，受到同行的关注。

据介绍，“数字肺”系统不仅包含肺癌的早期检测、辅助诊断、术前评估与规划（如亚肺段切除规划），而且覆盖呼吸系统主要疾病，包括慢阻肺（COPD）、肺栓塞（PE）、哮喘(asthma)、支气管镜肺减容手术评估、小气道病变分析等多种疾病的智能化辅助诊断与评估系统，可以实现和医学影像信息系统（如PACS系统）的无缝对接。

人工智能有助于肺癌的早期筛查和诊断

“希望持续推进肺癌的早期筛查、早诊断、早治疗。”本届大会主席、解放军总医院呼吸科主任陈良安教授表示，“肺癌早诊尽管有很多指南，仍然需要规范实施。肺癌的早诊断、早发现、早治疗，依然是降低肺癌死亡率的最重要策略之一，低剂量CT检查是发现早期肺癌的主要潮流，超低剂量的检测手段有望带来新的进步。人工智能、计算机将为早期诊断带来帮助。”他在发言中还专门谈到了“数字肺”胸部影像研究在肺癌早期诊断中对于临床决策的重要辅助意义。

在肺癌的治疗方面，外科手术和病理验证，依然是肺癌诊断的临床金标准。北京大学人民医院胸外科主任王俊教授介绍，多原发肺癌占到该科室手术量的20%。但是，面对同样的分期，预后表现有的依然相差很大。他认为，未来的肺癌手术发展趋势，应该超越“人脑、人眼、人手”所构成的知识和技术体系。在肺癌的早筛方面，未来一定是结合基因层面的筛查，通过发现易感基因人群，提前进行低剂量筛查。在肺癌的诊断方面，人工智能将是最好的方式，特异性、敏感性都足够好。如果把这样的系统放在村里，相当于村里来了一位优秀的肺癌诊断专家。在肺癌的治疗方面，越是恶性的肿瘤，界限越不清楚，将通过分子影像导航外科，把肿瘤分子点亮，改变外科大夫凭手感开刀的不足。

北京大学人民医院胸外科主任王俊教授认为，未来人工智能诊断肺部结节将超越“人脑”。

解放军总医院呼吸科副主任医师赵微介绍了影像基因组学的发展态势：传统影像提供的是半定量分析，有的甚至是主观的经验。影像组学包括图像获取和重建、分割、特征提取和量化。影像组学和基因组学结合的分析研究越来越多，但是目前有价值的结论还比较少。实际上，影像基因组学研究难度很大，一方面，影像特征的提取，因为设备、角度、剂量等因素，可能得到的数据也不一样，同时需要的可重复的数据量非常庞大；另一方面，要将影像学特征和基因表型、甚至分子信号建立联系，需要借助专业统计和高通量计算，这不是临床医生单独能够实现的。影像基因组学现在还处于非常早期的阶段，需要多学科投入、多领域合作、标准化平台的建立。在临床实践中，影像和病理分析依然是目前肺癌检测和诊断最为可靠的手段。

解放军总医院呼吸科介入专家杨震介绍：1996年，医学界第一次定义了肺结节和分型。到目前为止，关于肺结节的指南非常多。长期随访当然推荐低剂量筛查，但是低剂量筛查实际在临床中还是比较少用。建议与放射科联合建立专用的结节评估方案。在结节的定量化分析方面，容积法较单径法更好，但是需要同一个软件、同一个算法包，CT设备也会附带一些套件。相比之下，“数字肺”针对肺结节以及各种主要肺部疾病提供了目前为止最为完备的量化分析以及智能化决策分析，包括检测、诊断、术前评估以及规划。

“医生用久了，做决策会更谨慎”

肺癌的发病率高，早筛相当困难。为此，解放军总医院呼吸科“数字肺”胸部影像分析研究中心于2017年5月建立，最初的目的是对病人的影像资料进行分组研究。一年来的实践表明，采用“数字肺”，可以帮助医生解决肉眼不好解决的问题，帮助发现肺癌早期的一些表现。

“这个系统使用久了，针对疑难病例，我们已经习惯在数字肺软件上再走一遍。”赵微说。比如，有的肺结节，肉眼看上去没有区别，但是经过这套系统的定量化分析下来，已经有好几个病例和医生的初始判断有差别。对于复杂的多发结节，医生都会用“数字肺”先跑一遍。此外，呼吸科还用到了“数字肺”所提供的治疗路径设计、介入导航等。

赵微认为，医生也不会对软件系统产生依赖，因为门诊肯定要靠医生自己的能力，有很多外地病人是拿着胶片来看的。医生跟病人交流的时候，可能会交代下次要看CT影像，而且最好把数据拷贝出来，这样可以借助“数字肺”进行辅助分析与临床决策。

因此，人工智能影像产品，现阶段还不能作为诊断标准，但是具有辅助价值，帮助医生改善决策，特别是减少过度诊断。比如，有的随访病例，发现结节增大只是一个指标维度有变化，如果结合血管的信息、表面曲度等变化，临床诊断就会更加稳妥，而“数字肺”则提供了这些多维化的指标。

“我们是一边使用，一边验证。拿到一部分已经验证的病人来对不同的软件系统进行测试，发现不同软件的区别。尤其是对于小的、难以判断的病例，‘数字肺’做得更为精细，所以我们对这款软件越来越信任。”赵微说。  

“数字肺”的主要研究和下一步计划

美国肺癌协会2017年的最新研究数据表明，肺癌死亡率仍然非常高，主要原因是缺少有效的早期诊断手段。过去10多年的临床研究表明，相比于胸片，低剂量CT可以减少大约20%的肺癌死亡率，但是在参与检测的人群中，至少有20%的肺结节检出率，其中96%不能确定良恶性，需要通过随访、活检或PET CT进一步诊断。

据介绍，神州德信“数字肺”提供了一些其他软件不具备的功能，比如，在低剂量CT影像下，可以针对非常小的结节，查看微小血管和结节之间的关系，因为发现肺结节周边血管的数量和良恶性之间存在着一定关联性，可以将周边血管作为结节早期诊断的依据之一。

深度学习几乎成为人工智能的代名词，为什么表现异乎寻常热？神州德信技术负责人认为，这是因为过去影像数据的分析往往非常复杂，主要依靠特征提取。深度学习出现后，可以忽略中间很多环节直接进入机器学习建模，特别是借助开源算法和代码，就能针对影像数据等实现快速建模。医生应该了解学习深度学习，由于相关开源代码非常多，学习使用深度学习模型已经变得不是那么复杂，将来会像使用办公软件那样简单，直接对手头的数据进行分析。同时，国内很多影像人工智能产品的算法是基于LIDC网站的公开数据集建立，这是多个放射科医生的影像诊断数据，严格意义上讲并不是金标准。“我们是用自己跟踪随访了多年的数据，而且都是经过了病理验证过的，基于这个数据集，我们的模型的准确率达到了93%。”

在相当长时间内，CT影像依然是肺癌早期筛查和诊断的主要手段。未来趋势是，把电子病历的信息、基因组学的数据结合，实现智能医学。

【责任编辑：谭啸】