【2017 WCLC】杨达伟医生回顾点评关于肺癌早期诊断的两项研究

编译：肿瘤资讯

来源：肿瘤资讯

2017年WCLC大会上，来自复旦大学附属中山医院呼吸科白春学教授团队的两项关于肺癌早期诊断的研究获邀展示，肿瘤资讯有幸邀请到，研究参与者杨达伟医生进行点评，详见下文。

杨达伟医生：各位肿瘤资讯的网友大家好，我是复旦大学附属中山医院呼吸科主治医生杨达伟博士，也是上海市呼吸病研究所物联网医学办公室副主任，同时担任中国肺癌防治联盟青年委员会的联盟干事，非常荣幸能够参加本次采访。

在白春学教授的带领下，本中心有两项研究获邀参加本次肺癌大会的展示。一是在人工智能的肺结节影像的早期诊断方面的研究；二是一项无创的电生理的肺结节早期诊断的多中心临床研究，接下来我简单介绍一下上述两项研究。

一、肺结节检测的深度学习系统

在肺结节的早期诊断上，不论是否有高危因素，常规低剂量体检中我国人群都会偶尔发现一些结节，在此背景下，本中心白春学教授在肺癌防治联盟的多中心早期诊断项目中，结合肺结节相关的CT影像技术进行深度挖掘，并联合国内外CT影像智能分析的多个团队开发出一套系统。去年利用该系统回顾性分析了三公分左右的早期肺结节的术前、术后病理影像的相关性，结果发现这一基于人工智能深度挖掘的系统，可协助我们将术前的判断率、敏感率提高到95%左右，上述结果在去年WCLC上完成了口头报告。而在2017年度，我们主要针对一些亚厘米级的结节，尤其是4㎜-1cm之间的结节，进一步扩大了研究范围。本次WCLC我们公布了4mm以下结节的分析结果，因很多国外指南将4mm以下结节纳入良性，为什么我们要分析这一数据集呢？因为人工智能对于大部分临床医生而言比较陌生，尚未在临床应用，我们首先测试这一技术是否能够在临床中及早发现微小结节，纳入本中心300例患者，应用DCNNs深度卷积神经网络计算机人工智能学习方法，结果发现，通过计算机第一次学习并结合临床医生标记后的再学习之后，该人工智能系统的第一阳性检测率明显提升。在接下来的工作中，我们会进一步扩大研究范围，尝试分析4-8mm以及8-12mm范围的结节的早诊率和良恶性的判别率。

二、评估Prolung肺癌诊断效能的中国研究

既往一美国多中心验证的研究结果显示应用ProLung这一无创的生物电生理检测技术，可以在活检前预判结节的良恶性。之后白春学教授在国内牵头开展了一个多中心的研究，采纳了上述检测方式，针对本地人群，重新计算相关的风险模型，以期获得同美国研究相似的良好结果。

结束语  

杨达伟医生：人工智能并不能取代医生临床的工作，人工智能更强调大数据的搜集和深度的计算机辅助诊断，而辅助诊断只是用来提高临床医生的诊断效率，在国内医疗资源相对比较紧缺的情况下，白春学教授提出的一项物联网医学的概念，结合现在的人工智能，我们希望能够缓解目前医疗资源极大的不平衡，同时也希望能够联动各级医院及医生来部署这一物联网医学模式，并通过现代化的技术和大数据分析模型，达到早诊早治的治疗目的。

责任编辑：肿瘤资讯-Ruby

28个肿瘤相关临床试验招募患者

点击下方图片即可查看详情