打開手機(jī)掃描二維碼
即可在手機(jī)端查看
文章內(nèi)容整理自海軍軍醫(yī)大學(xué)附屬第一醫(yī)院 劉善榮 教授的專題講座
智慧醫(yī)學(xué)的發(fā)展為患者提供了更快速可靠的醫(yī)療服務(wù)，并有望在未來進(jìn)一步改善個(gè)性化診療的質(zhì)量與可及性，本文將結(jié)合案例展示人工智能在檢驗(yàn)醫(yī)學(xué)中的應(yīng)用并分享在胃癌等疾病中的研究進(jìn)展。
人工智能與檢驗(yàn)標(biāo)準(zhǔn)管理 檢驗(yàn)是一門看似簡(jiǎn)單，但實(shí)則被國內(nèi)外眾多標(biāo)準(zhǔn)約束的復(fù)雜學(xué)科，從1998年5月頒布的《WS/T102-1998臨床檢驗(yàn)項(xiàng)目分類與代碼（已廢止）》至目前，國家衛(wèi)健委共頒布了129個(gè)臨床檢驗(yàn)專業(yè)的標(biāo)準(zhǔn)，面對(duì)國內(nèi)國際上的眾多標(biāo)準(zhǔn)，如檢驗(yàn)人員無法全部牢記，在工作過程中便會(huì)伴隨困擾。 目前臨檢、生化、免疫、微生物、PCR等模塊可實(shí)現(xiàn)全自動(dòng)流程管理，但檢驗(yàn)標(biāo)準(zhǔn)的管理還未實(shí)現(xiàn)智能化，不過人工智能與檢驗(yàn)實(shí)驗(yàn)室的結(jié)合，為檢驗(yàn)前的標(biāo)本處理與項(xiàng)目開發(fā)，檢驗(yàn)中的形態(tài)學(xué)檢測(cè)與輔助診斷及檢驗(yàn)后的報(bào)告審核解讀等檢驗(yàn)全流程提供了更多可能，將檢驗(yàn)行業(yè)標(biāo)準(zhǔn)植入智能系統(tǒng)中輔助診斷是大勢(shì)所趨。
人工智能與檢驗(yàn)數(shù)據(jù)分析 疾病診斷需要依托于大數(shù)據(jù)，有研究者通過計(jì)算腫瘤細(xì)胞的PH值預(yù)測(cè)識(shí)別腫瘤細(xì)胞，在研究過程中需要在形態(tài)學(xué)角度收集大量指標(biāo)，人工智能為大數(shù)據(jù)的獲取提供了更加便捷的方式。 檢驗(yàn)科的常規(guī)檢驗(yàn)大數(shù)據(jù)有數(shù)據(jù)體量大（Volume）、數(shù)據(jù)價(jià)值高(Value)、數(shù)據(jù)產(chǎn)生速度快（Velocity）、準(zhǔn)確性高(Veracity)、數(shù)據(jù)種類繁多(Variety)五大特點(diǎn)，患者在檢驗(yàn)科會(huì)接觸到血液、免疫、微生物、體液眾多檢測(cè)，其中包括血常規(guī)、凝血功能及心衰標(biāo)志物檢測(cè)等繁多項(xiàng)目，這些檢驗(yàn)指標(biāo)體現(xiàn)腫瘤發(fā)展過程中的累積代謝變化，深入挖掘其內(nèi)在關(guān)系具有潛在的診斷價(jià)值。 胃癌診斷模型V22 V22診斷模型利用隨機(jī)森林算法，包含22個(gè)指標(biāo)，雖然大多數(shù)為血常規(guī)及脂代謝等常規(guī)指標(biāo)，但V22在臨床實(shí)驗(yàn)階段卻有不俗表現(xiàn)。 區(qū)分早期胃癌和非胃癌的患者實(shí)驗(yàn)中，其診斷效能（AUC）達(dá)到0.808，區(qū)分早期胃癌與癌前疾病，其診斷效能（AUC）值為0.928，最后將其與檢驗(yàn)科常用的CEA（癌胚抗原檢測(cè)）進(jìn)行比對(duì)，結(jié)果顯示1497例CEA指標(biāo)中，CEA陽性(CEA≥5 ng/ml) 病例僅有309例（占20.6%），陰性病例則達(dá)到1188例（假陰性率為79.4%）。在CEA陰性的1188例胃癌病例中，1058例可經(jīng)V22診斷為胃癌（占89.1%），309例CEA陽性的胃癌病例中，296例可經(jīng)V22診斷為胃癌(95.8%)。 結(jié)直腸癌實(shí)驗(yàn)診斷模型CRC—Lab 腸鏡作為結(jié)直腸癌的金標(biāo)準(zhǔn)有其局限性，5種機(jī)器學(xué)習(xí)算法進(jìn)行大數(shù)據(jù)的分析比對(duì)下，Xgboost算法脫穎而出，此模型包含糞便隱血、癌胚抗原、紅細(xì)胞分布寬度等7個(gè)指標(biāo)，臨床試驗(yàn)階段乙型肝炎病毒核心抗體所占比重僅為0.007，卻被模型反復(fù)捕捉提取，后經(jīng)查證，乙型肝炎病毒與結(jié)腸癌的發(fā)生確實(shí)具有伴隨性，由此可見，大數(shù)據(jù)或可使大家關(guān)注到易被忽視的問題。 模型含有七個(gè)指標(biāo) 疾病診斷需要依托于大數(shù)據(jù)，有研究者通過計(jì)算腫瘤細(xì)胞的PH值預(yù)測(cè)識(shí)別腫瘤細(xì)胞，在研究過程中需要在形態(tài)學(xué)角度收集大量指標(biāo)，人工智能為大數(shù)據(jù)的獲取提供了更加便捷的方式。 檢驗(yàn)科的常規(guī)檢驗(yàn)大數(shù)據(jù)有數(shù)據(jù)體量大（Volume）、數(shù)據(jù)價(jià)值高(Value)、數(shù)據(jù)產(chǎn)生速度快（Velocity）、準(zhǔn)確性高(Veracity)、數(shù)據(jù)種類繁多(Variety)五大特點(diǎn)，患者在檢驗(yàn)科會(huì)接觸到血液、免疫、微生物、體液眾多檢測(cè)，其中包括血常規(guī)、凝血功能及心衰標(biāo)志物檢測(cè)等繁多項(xiàng)目，這些檢驗(yàn)指標(biāo)體現(xiàn)腫瘤發(fā)展過程中的累積代謝變化，深入挖掘其內(nèi)在關(guān)系具有潛在的診斷價(jià)值。 胰腺癌胰腺炎鑒別模型GBDT-TC18及案例分析 由于胰腺癌早期發(fā)病隱匿及患者通常無法準(zhǔn)確描述臨床癥狀等原因，胰腺癌極易漏診，確診時(shí)通常已達(dá)中晚期并常與胰腺炎混淆，因此高效精準(zhǔn)的診斷模型成為臨床的迫切需求。 GBDT-TC18模型包括性別年齡等18個(gè)指標(biāo)，模型針對(duì)區(qū)分胰腺癌和胰腺炎的診斷準(zhǔn)確率明顯優(yōu)于常規(guī)檢驗(yàn)CA19-9，AUC達(dá)到0.977，診斷效率提升20％，敏感性達(dá)到0.957,診斷效率提升33％。 模型含十八個(gè)指標(biāo) 模型與CA19-9對(duì)比 大數(shù)據(jù)模型不僅在數(shù)據(jù)測(cè)試對(duì)比中顯示出其優(yōu)勢(shì)，在臨床實(shí)際診療中，也發(fā)揮出其高效輔助診斷的作用。 案例一，患者湯某，55歲，女，主要癥狀為反復(fù)嘔吐1月余?，F(xiàn)病史：1個(gè)月前無明顯誘因出現(xiàn)反復(fù)嘔吐，嘔吐物為胃內(nèi)容物及黃色液，伴腹脹，無嘔血、腹痛、放射痛。前期于當(dāng)?shù)匦l(wèi)生院診斷為糜爛性胃炎、膽汁反流，予以抑酸護(hù)胃后無明顯好轉(zhuǎn)，于某市人民醫(yī)院行胃鏡檢查示食管損傷伴潰瘍形成，重度膽汁反流性胃炎，糜爛出血性胃炎，未予治療。其精神狀態(tài)、體力、食欲、睡眠、大小便等情況正常。 此患者數(shù)據(jù)被GBDT-TC18模型自動(dòng)抓取，18個(gè)指標(biāo)中CA19-9中度升高為410.09u/ml，淋巴細(xì)胞百分比偏低為19.3％，嗜酸粒細(xì)胞偏低，中性粒細(xì)胞百分比偏高為73.4％。模型根據(jù)檢測(cè)指標(biāo)的異常結(jié)果，預(yù)測(cè)患者胰腺癌幾率為74.24％、腦癱13.65％、肝細(xì)胞性肝癌幾率12.11％，最終判斷結(jié)果為胰腺癌。臨床上對(duì)患者進(jìn)行上腹部CT檢查，提示胰頭癌，侵及腸系膜上動(dòng)靜脈；行超聲內(nèi)鏡下胰腺細(xì)針穿刺活檢術(shù)(EUS-FNA)快速病理找到可疑癌細(xì)胞；液基薄層細(xì)胞學(xué)檢查找到個(gè)別異性細(xì)胞，最終確認(rèn)該患者所患疾病為胰腺癌。 案例二，患者郝某，53歲，男，主要癥狀為上腹部不適40天。現(xiàn)病史：40天前進(jìn)食后出現(xiàn)上腹部不適，伴有小便黃、腰背部疼痛、全身皮膚及鞏膜黃染、皮膚瘙癢、大便白陶土色、消瘦、發(fā)熱、惡心嘔吐，于當(dāng)?shù)蒯t(yī)院就診，予以護(hù)胃保肝治療，癥狀無明顯好轉(zhuǎn)。患者自發(fā)病以來精神狀態(tài)、體力、睡眠良好，食欲食量一般，體重?zé)o明顯變化，大便正常，小便深黃色。 該患者18項(xiàng)指標(biāo)中CA19-9、CEA、CA125均為陰性，但血常規(guī)明顯異常，模型根據(jù)檢測(cè)結(jié)果預(yù)測(cè)其患胰腺癌幾率為79.74％，腦癱幾率為19.1％，肝細(xì)胞性肝癌幾率1.16％，最終判斷結(jié)果為胰腺癌。臨床上對(duì)患者進(jìn)行上腹部CT檢查及胰腺增強(qiáng)MRI，提示患者胰頭占位，有胰腺癌可能；入院后給予開腹保留幽門的胰十二指腸切除術(shù)＋腹膜后淋巴結(jié)清掃術(shù)；術(shù)后病理顯示其為（胰頭）中分化導(dǎo)管腺癌，與模型判斷相符。 郝某18項(xiàng)指標(biāo)結(jié)果 由此可見人工智能大數(shù)據(jù)分析對(duì)于臨床檢驗(yàn)中復(fù)雜疾病的診斷有較大意義，但是針對(duì)單個(gè)病種研發(fā)不同模型，效率較低且流程繁瑣，針對(duì)這一情況，智能解讀系統(tǒng)的研發(fā)被提上日程。
人工智能解讀系統(tǒng) 檢驗(yàn)過程中，指標(biāo)與疾病大部分為不確定關(guān)系，一個(gè)指標(biāo)常與不同疾病關(guān)聯(lián)，人工智能解讀系統(tǒng)數(shù)據(jù)庫中的5000多篇國內(nèi)外多學(xué)科醫(yī)學(xué)指南及醫(yī)院2010年至今兩億八千萬次的檢驗(yàn)數(shù)據(jù)，三千一百萬次的診斷數(shù)據(jù)可輔助建立指標(biāo)與疾病之間的關(guān)系脈絡(luò)。隨后運(yùn)用MiXG算法（基于XGBoost和遺傳算法的一種混合算法）進(jìn)行報(bào)告解讀，至此，一個(gè)智慧檢驗(yàn)平臺(tái)初具雛形，其憑借算法和知識(shí)系統(tǒng)可輔助臨床深度解讀檢驗(yàn)報(bào)告，為臨床決策提供準(zhǔn)確性高、解釋性強(qiáng)的實(shí)驗(yàn)室診斷分析。 案例一，患者男，70歲，2019年12月27日患者門診診斷為膽囊結(jié)石，三日后門診診斷為梗阻性黃疸，入院確診為胰頭惡性腫瘤，患者74項(xiàng)檢驗(yàn)結(jié)果中33項(xiàng)異常，AI分析解讀后判斷患者消化系統(tǒng)及血液系統(tǒng)腫瘤患病可能性高，伴有感染，胰腺癌貧血可能性高，惡性腫瘤、阻塞性黃疸、結(jié)腸癌可能性中。AI提供的診斷依據(jù)：CA19-9極度升高，有胰腺癌風(fēng)險(xiǎn)，直接膽紅素及總膽紅素升高，外加堿性磷酸酶及間接膽紅素偏高，因此判定有阻塞性黃疸可能。 案例二，患者男，53歲，2019年12月29日患者急診發(fā)現(xiàn)持續(xù)性蛋白尿，隨后入院確診為慢性腎小球腎炎。其131項(xiàng)檢驗(yàn)結(jié)果中27項(xiàng)異常，檢優(yōu)平臺(tái)綜合分析判斷患者泌尿系統(tǒng)和腫瘤患病可能性高并伴有較嚴(yán)重感染。AI計(jì)算了該患者的腎功能評(píng)分，結(jié)果為CKD預(yù)后評(píng)估G1A3期（高危），高脂血癥可能性高，炎癥、腎病、心血管疾病可能性中，CKD預(yù)后評(píng)估G1A3期（高危）依據(jù)為：該患者尿白蛋白重度增加，腎小球?yàn)V過率正常，慢性腎病從初期到終末期的不同階段會(huì)有發(fā)展性的腎功能變化，且治療方法也不同，及時(shí)進(jìn)行CKD預(yù)后評(píng)估，可有效輔助臨床醫(yī)生制定精準(zhǔn)的治療方案。 上述案例展示了智能解讀系統(tǒng)為臨床診療開辟的新思路，人工智能與檢驗(yàn)的結(jié)合尚處于起步階段，智能平臺(tái)目前還不具備自我學(xué)習(xí)、自動(dòng)迭代更新及自我評(píng)估的能力，對(duì)于疾病的判讀結(jié)果無法詳細(xì)解釋其準(zhǔn)確性，日后仍有較大完善空間。 檢驗(yàn)不是將樣本送入機(jī)器的簡(jiǎn)單工作，科研是檢驗(yàn)人的分內(nèi)之事或許在未來，檢驗(yàn)科會(huì)實(shí)現(xiàn)全流程自動(dòng)化遠(yuǎn)程管理，AI可完成70％的工作，檢驗(yàn)人只需完成結(jié)果確認(rèn)等工作，從而將更多精力投入在復(fù)雜疑難疾病相關(guān)的研發(fā)及人才培養(yǎng)中，推動(dòng)學(xué)科發(fā)展，為患者創(chuàng)造更大獲益。
Copyright ? 2022 上?？评讜?huì)展服務(wù)有限公司 旗下「智慧醫(yī)療網(wǎng)」版權(quán)所有 ICP備案號(hào)：滬ICP備17004559號(hào)-5
