科学的进步本就是为人类服务，而人类健康是生存的根本。依借新兴的技术方法，通过非侵入性的方式以检测早期肺癌和癌前病变已走入现实

  非小细胞肺癌（以下简称 NSCLC）是影响全球健康的重要威胁，据统计，2018 年因肺癌死亡的人数占据全球癌症死亡总数的 18.4%。尽管随着 NSCLC 基因谱研究的逐渐深入，使得 NSCLC 的治疗策略显著改善了患者的生存预后，但在提高 NSCLC 筛查和早期检验测试领域方面仍要进一步探索。我们熟知早期 NSCLC 症状隐匿，影像学是常用的肺早癌和肺结节临床评估手段，但长期缺乏有力的良恶性鉴别技术补充，使得肺癌早期诊出效率难以提升。同时，因 NSCLC 具有侵袭性强、进展快的特点，导致远期预后不佳。因此，对于早期 NSCLC 的诊断显得至关重要，对于影像学人工智能技术和准确性的要求需不断拔高。

  随着机器学习技术的发展以及医学图像质量的改进，推动了AI领域用于医学成像分析的研究。这些技术已在 CT 图像上对肿瘤检测和细分进行了探索，但由于不同采集或重建参数的 CT 扫描导致肺结构的数据差异，限制着 CT 扫描、数据处理对于早期检测的实施。

  该研究通过一系列分析 1328 份拥有相对应三维肿瘤细分的胸部体积 CT 扫描（见表 1），以训练、测试和外部验证在标准护理图像中检测和细分 NSCLC 的全自动方法，用于早期 NSCLC 检测的性能以及生存预后评估。

  图 1：工作流程主要步骤：输入数据→ 影像预处理→ 肺分离 → 深度学习肿瘤细分 → 输出数据

  研究者通过采用卷积神经网络构建自动肿瘤检测和细分模型，检测肿瘤的能力在肺癌中进行了评估。该模型在外部验证集中曲线 的优异性能。此外，通过Dice 相似系数（DSC）评估外部验证集图像细分验证，中位值为 0.82，Hausdorff 距离（H95th）为 9.43 mm（见表 2 所示）。

  研究者还分别评估了图像切片厚度、肿瘤大小、放射专家报告的肿瘤复杂性和肿瘤位置的分组情况。同时，在测试集和验证集中，比较了肿瘤大小和肿瘤复杂性的定量结果，通过 DSC 度量指标做评估，结果发现：对于肿瘤较大和复杂程度较低的肿瘤，其性能越好，变异性越小（图 2 所示）。

  研究者通过比较从自动生成的轮廓和手动轮廓中提取的测量值的预后能力，通过 RECIST 标准做肿瘤最大直径和体积的评估。发现自动细分方法相较于手动细分具有更大的预测能力，两组间的测量值具有更显著的统计学差别（表 3 所示）。通过 Kaplan–Meier 生存曲线评估自动生成对比手动生成计算 NSCLC 肿瘤体积细分的预后（图 4 所示），能够准确的看出，基于肿瘤体积的 K-M 曲线中自动细分组别在两个队列中 P 值分别为：P.0001 和 .013，具有更显著的生存预后判别能力。此外，通过单因素 Cox 回归分析评估了不同变量的 C 指数、风险比以及 P 值情况。上述研究根据结果得出：与基于手动细分的方法相比，自动细分预测不同患者预后性能更显著。

  表 3：由 RECIST 标准和肿瘤体积的中间值分隔的不同组之间的统计学差异

  研究者通过构建了一种能够在 CT 扫描上实现 NSCLC 的最先进检测和 3D 体积细分的模型方法，具有提高检测和细分精度的优势，且能够显著减少人工流程中的肿瘤细分工作。相比手动轮廓操作，该方法具有更显著的生存组细分性能，提高了肿瘤早期检测的诊断效能以及判别预后的精确度。同时，该方法在某些特定的程度上能够很好的满足不同供应商和多重建的要求，包括对于当前难以细分用于区分肿瘤和其他肺部异常病变的情况，通过 3D 的准确细分结合肿瘤体积将具有更大临床运用潜能。该方法提高了肿瘤早期检测的准确性，并为治疗预后评估给提供快速、可靠的数据支撑。

  肺癌是人类社会最常见的癌种，但其诊断和治疗总是困扰着临床的难题。出现典型症状前，肺癌极易与呼吸道或心胸疾病混淆，患者难以自觉异常是导致病情延误的重要原因。近年来，智能影像肺早癌筛查诊断赛道硕果累累，在此基础上，多组学检测的加入将为医生和患者在临床全程诊疗中提供更精准的方案。

  多组学是全新的生物学分析方法，也是医学界最前沿的研究领域。基于基因组、表观组、蛋白组、代谢组、微生物组等多个不同生命环节、不同维度的大量分子水平生物数据，利用生物信息统计分析、计算生物以及机器学习等技术，以实现对生命过程、疾病等集合超多影响因子的复杂生命现象进行高层次的分析、解读，以此来研究健康与疾病之间微妙的关系。多组学技术结合AI在辅助外壳手术精准定位、减少术后并发症，降低过度诊疗等方面也起到了很重要的临床作用。

  基于独家多组学技术成果，泰莱生物与同济大学附属上海市肺科医院共同牵头发起了 MISSION 计划（全称：Multi-omIcs claSSIfier for pulmOnaryNodules，即基于多组学的肺结节良恶性鉴别诊断前瞻性多中心临床研究），四川大学华西医院、山东省胸科医院等数十所三甲医院联合参与，旨在利用基于影像组学、表观基因组学、代谢组学、临床表型组学等多组学技术，针对医学影像显示肺结节的患者进行肺结节良恶性鉴别诊断，以推进早期肺癌的诊断效率并帮助肺癌患者更早实施临床诊疗，从而提升患者生存率。

  科学的进步本就是为人类服务，而人类健康是生存的根本。依借新兴的技术方法，通过非侵入性的方式以检测早期肺癌和癌前病变已走入现实。相信未来还会有更多技术方法，以实现健康风险的更早发现。

  本文由“健康号”用户上传、授权发布，以上内容（含文字、图片、视频）不代表健康界立场。“健康号”系信息发布平台，仅提供信息存储服务，如有转载、侵权等任意的毛病，请联系健康界（）处理。

  COMMUN,NSCLC,CT扫描,NAT,肺结节,肺癌,CT,影像,方法,检测,肿瘤,体积,数据