基于人工智能的结直肠癌研究获进展

近年来，在人工智能的各大产业中，医疗加人工智能方向已然成为瞩目焦点，备受关注。人工智能在医疗中的应用能够有效缓解我国医疗资源严重短缺、分布失衡的现状，提高医疗系统的运行效率，甚至推动整个医疗行业的变革。

近日，中国科学院苏州生物医学工程技术研究所医学影像室高欣、简俊明、夏威等人提出了一种基于全卷积神经网络（FCN）的结直肠癌T2加权MRI图像分割方法。相关成果发表于《澳大利亚医学物理与工程科学》。

高欣表示，结直肠癌是全球第三大癌症，其年标化发病率为0.41‰，死亡率为0.15‰。“如果在早期得到确诊并且接受正确治疗，结直肠癌患者的五年生存率高达90%。而一旦癌细胞扩散到结直肠外，患者的五年生存率迅速下降。因此，结直肠癌的早诊断、早治疗是极其重要的。”高欣说。

结直肠癌病灶的分割是术前预测、分期和疗效评估等工作的基础。由于癌症病灶与正常组织之间的边界模糊，传统方法很难实现精确地自动分割，国际上的相关研究很少。临床上常用的手动或半自动的分割方法极其烦琐、耗时，且高度依赖于操作者。

研究团队使用VGG-16网络进行特征提取，从VGG-16中每个模块的最后一个卷积层分别引出一个边输出模块，这些边输出模块能够深入挖掘多尺度特征并产生相应的输出。最后，所有的边输出结果融合生成最终的分割结果。实验结果显示，该模型对结直肠癌肿瘤分割具有较高的敏感性（87.85%）和特异性（96.75%）。

高欣说：“这项研究的意义在于借助人工智能找到了一种全自动结直肠癌病灶分割方法，能够有效缩短结直肠癌疾病分析和诊断的前期工作所需要的时间，大大降低医生的劳动强度。此外，这个方法还可以拓展应用到其他的肿瘤病灶分割上，加快相关疾病的研究进展。”