陈燕铭教授课题组最新成果发表利用人工智能

「本文来源：广州日报」

记者从医院副院长、内分泌科陈燕铭处获悉，陈燕铭教授联合中山大学电子与通讯工程学院郭裕兰教授及医院大数据中心刘子峰主任，于年11月29日在国际著名期刊Frontiersinmedicine（IF：5.09）发表了题为“DevelopmentandValidationofaDeepLearningAlgorithmtoAutomaticDetectionofPituitaryMicroadenomaFromMRI”的研究论文，在国内率先开发了人工智能在内分泌垂体瘤早期诊断的临床应用，李庆玲博士、朱延华副主任医师、陈铭林、郭若汨副主任医师为共同第一作者。研究发现，使用研究人员开发的PM-CAD卷积神经网络深度学习算法，构建垂体瘤辅助诊断体系，可以高效率地利用垂体核磁共振图像（MRI）诊断出垂体微腺瘤（PM），诊断准确率达94.36%，有助于减轻临床医生工作负荷量，降低误诊率、漏诊率，医院推广应用。

PM是一种直径小于10mm的肿瘤，高达10%的人群可能患病，虽然大部分PM为无功能性腺瘤，但部分PM通过分泌促肾上腺皮质激素（ACTH）、催乳素（PRL）、黄体生成素（LH）、卵泡刺激素（FSH）等激素引起闭经、泌乳、性功能障碍、骨质疏松、糖尿病和不孕不育等严重后果。甚至有部分患者发展为大腺瘤或巨大腺瘤导致头痛、视野缺损等严重症状才就医。早期诊断、早期发现，并予以明确临床评估、指导治疗，具有重要的临床意义。

本中心共筛选例患者（年1月至年4月），规范排除标准后，例患者（PM组例、对照组例）被纳入研究。将受试者数据分为训练数据集、测试数据集和验证数据集。用于训练和测试的数据集源自回顾性研究，同时前瞻性搜集验证数据集，并在验证中采用内部验证，包含ValidationA1、ValidationB人机对比和ValidationC误诊病例的进一步验证，以及外部验证数据集ValidationA2和A3。

PM计算机辅助诊断系统（PM-CAD）由垂体区域检测和PM诊断两部分组成。通过受试者工作特征（ROC）曲线和ROC曲线下面积（AUC）、校正曲线、准确性、敏感性、特异性、阳性预测值（PPV）、阴性预测值（NPV）、F1score等指标衡量PM-CAD系统的诊断性能。

在测试数据集中，PM-CAD辅助诊断系统的诊断准确率为94.36%，AUC为98.13%；在内部验证数据集中，ValidationA1的诊断准确率为96.50%，AUC为95.5%；在外部数据集中，ValidationA2和A3的诊断准确率分别为92.26%和92.36%，AUC分别为94.7%和93.7%。

在人机对比中，PM-CAD系统的诊断性能与拥有10年临床经验的放射科医师相媲美（诊断准确率：94.0%vs.95.0%；AUC：95.6%vs.95.0%）。对于假阴性的误诊病例，PM-CAD系统的诊断准确率为%。同时，研究人员设计了一个browser-basedsoftware来辅助PM诊断。此外，PM-CAD系统在外部验证数据集中也取得了好成绩，证明模型具有很好的泛化性能，医院推广应用。

文/广州日报·新花城记者：肖欢欢

图/广州日报·新花城记者：肖欢欢

视频/广州日报·新花城记者：肖欢欢

广州日报·新花城编辑：蔡凌跃