医药科技

我国学者建立肝脏血管组学人工智能模型

(特约记者 程守勤 通讯员 黄义飞)近日,中国门静脉高压联盟的一项多中心研究成果论文,发表在北美放射学会会刊《放射学》上。该项研究首次建立肝脏血管组学人工智能模型,并通过特征工程筛选出肝硬化的关键血管组学指标30余个,取得显著优于传统模型的诊断性能,明确了以血管几何特征诊断肝硬化门静脉高压的可行性。

此项研究在213位临床显著性门静脉高压患者和310位无临床显著性门静脉高压患者的回顾性队列中,构建肝脏血管组学预测模型,实现在肝硬化患者中准确识别临床显著性门静脉高压。

中国门静脉高压联盟创始人、东南大学附属中大医院门静脉高压中心主任祁小龙为该研究论文通讯作者,复旦大学人类表型组研究院王成彦为第一作者。祁小龙介绍,肝硬化门静脉高压无创诊断是该领域的研究热点。此项研究开发了一套基于人工智能CT和MRI肝脏血管组学预测模型的自动化门静脉高压无创诊断方法,包括自监督的肝脏血管自动三维自动分割网络、肝脏血管几何参数的自动提取算法、血管结构的关联网络模式分析、肝硬化门静脉高压无创诊断模型。

该研究分析了肝内血管形态学在临床显著性门静脉高压人群中的变化规律,通过组学分析发现了门静脉高压的肝脏血管重新分布特征:临床显著性门静脉高压患者血管密度显著降低,尤其是远端血管丰富度明显下降;临床显著性门静脉高压患者血管关联度显著增加,考虑为肝脏相邻血管的代偿作用。

专家指出,相比于传统影像组学模型,该研究建立的肝脏血管组学人工智能模型不局限于单模态影像的应用,可以在多模态影像统一预测而无需额外训练和调参,具有更好的泛化性能,有利于临床的应用和推广。