西安交大一附院牛晨：算法决定AI的性能上限，系统集成决定临床落地的下限

来源：HIT专家网  作者：李崇铭

“再好的想法、再优秀的AI算法，若不能嵌入医院信息系统，就无法真正落地应用、服务临床。算法决定AI的性能上限，系统集成决定临床落地的下限。”

在中国医院协会医学人工智能专业委员会学术年会“医疗AI探索与创新会场”上，西安交通大学第一附属医院（简称西安交大一附院）网络信息部部长牛晨从临床科研与信息化管理的双重视角，介绍了“基于多模态神经影像的脑肿瘤精准识别与诊疗关键技术应用”方案，并介绍了多模态影像AI与PACS、EMR、手术导航等系统集成的实践成效。

“创新AI临床与科研应用，要先看医院‘有什么菜’，能‘做什么菜谱’。”牛晨介绍，西安交大一附院神经外科和医学影像科均为多个国家级、省级学术组织的主任委员单位，协作诊治了数量可观的脑肿瘤患者，积累了丰富的临床经验。围绕胶质瘤临床诊疗与科研领域存在的系列难题和热点问题，西安交大一附院持续探索多模态神经影像AI创新应用方向，已取得了一些实践成果。

定位患者大脑功能区变化，激活图谱无缝写入PACS

胶质瘤是常见的原发性脑肿瘤，复发是其临床诊疗面临的重要挑战。对于具备再次手术指征的复发患者，手术仍是重要治疗选择。如何实现手术最大化安全，是胶质瘤临床诊疗领域的难点问题。

“AI技术的应用，为提升识别、分型、定位和预测胶质瘤复发的精准度带来了新方案。”牛晨介绍，胶质瘤生长在大脑功能区中，会引起大脑功能重塑。常规影像难以直接显示个体化功能区，进行手术可能会损伤功能区，降低患者生活质量。

西安交大一附院联合多模态功能磁共振（fMRI）开展研究：团队采用虚拟脑移植（VBG）技术，对患者脑结构影像进行辅助处理，以支持后续脑区分割与分析；再用AI分析静息态和任务态功能磁共振，减少个体差异和肿瘤重塑影响，从而定位功能区。这样，运动障碍、意识障碍或年龄小、无法完成任务态检查的患者，也能获得术前规划支持。验证显示，该方案在脑肿瘤和健康人群中都能稳定预测个体化感觉运动区，跨队列、跨任务泛化性较好，在部分卒中和癫痫患者中也取得较好效果。

牛晨认为，没有系统集成的AI，就像建在沙滩上的大厦。真正赋能临床的AI应用，不仅要提升模型精度，还应构建智能信息系统，充分调用多模态患者数据，实现流程高效、自动化、可控化。西安交大一附院科研团队从这一理念出发，使AI模型预测的结果写入PACS系统，有望明显缩短手术时间，为临床治疗决策和患者获益提供支持。

预测胶质瘤IDH基因型，赋能临床决策

IDH（异柠檬酸脱氢酶）基因突变，是胶质瘤分子分型中最核心的生物标志物之一。如果可以在术前无创预测IDH基因型，就可以帮助医生选择合适的治疗方案，针对不同基因型患者实现精准诊疗定位，同时为靶向药物选择提供依据。

牛晨介绍，针对这类临床需求，西安交大一附院科研团队通过空间位置编码，将位置信息融入影像特征，使模型能够理解不同区域特征的解剖学意义。在此基础上，通过深层特征提取与动态门控注意力机制，实现IDH状态的精准预测与可解释分析。

目前，西安交大一附院将AI预测的IDH基因型结果集成到电子病历系统中，在医生打开患者病理时进行弹窗提醒；CDSS根据预测结果自动关联HIS药物目录，给出靶向药物的适用性及临床试验入组建议；同时将术后病理结果自动回填至系统，并对比AI术前预测结果，持续优化模型效果。

打造胶质瘤复发趋势预测与智能随访预警信息系统

在预测不同级别胶质瘤的生长趋势与复发风险方面，西安交大一附院的方案是基于条件生成模型的U-Net架构，结合肿瘤的具体类型、空间异质性以及患者治疗数据等信息，预测肿瘤复发趋势。借助AI打造的胶质瘤复发趋势预测与智能随访预警信息系统，可实现三大核心功能：

一是数据自动归集。术后患者的纵向影像数据、治疗信息、放化疗方案，通过院内数据平台自动归集至随访数据库。

二是定期风险更新。模型定期基于新入院影像，更新复发风险预测结果，并将结果同步至医生工作站移动端和门诊系统。

三是主动智能预警。当预测复发风险超过阈值时，系统自动通过HIS弹窗或短信的方式，向主管医生发送预警消息，并智能推荐复查方案。

“将AI算法嵌入医院信息系统，我们构建了‘感知－决策－执行－反馈’的闭环，赋能胶质瘤患者的全程精准诊疗。”牛晨介绍，目前围绕胶质瘤多模态影像AI的研究成果已获多个技术奖项，医院建立了术前、中、后多模态纵向影像学数据库，以及脑肿瘤全方位多维数据集计算分析系统。“临床和信息化密不可分。解决临床问题，需要算法、模型提供技术支撑；而模型推广，需要医院与企业携手合作。未来，我们将在医工结合、医企结合、多学科交叉等方面进行更多尝试，使技术成果真正造福患者。”

【责任编辑：明超】