黃淮網(鄭天雷)  近日，徐州醫(yī)科大學附屬醫(yī)院設備處醫(yī)工結合AI團隊與溫州醫(yī)科大學附屬第一醫(yī)院聯合開發(fā)了一款利用人體身體成分值基于深度學習技術的非酒精性脂肪肝炎(NASH)早期智能篩查系統。該系統可以有效預測人群NASH患病風險，風險預測AUROC達到了0.801。

前不久，《2022北京醫(yī)工交叉創(chuàng)新十大前沿技術趨勢》由北京航空航天大學生物與醫(yī)學工程的王豫教授代表“醫(yī)工谷”戰(zhàn)略創(chuàng)新研究組發(fā)布。其提出的十大技術方向貫徹了十四五規(guī)劃“四個面向”基本方針，領會了《健康中國2030》規(guī)劃綱要。該“趨勢”提出人工智能作為十大技術方向之一，通過AI深度學習、特征提取強化學習、模式匹配模型訓練等方法能夠實現對多種疾病的診斷篩查，從而大幅度提升相關疾病的診斷速度。在該大背景支持下，徐醫(yī)附院設備處醫(yī)工結合AI團隊和溫州醫(yī)科大學附屬第一醫(yī)院脂肪肝病�？普归_了密切合作。

近年來，全球范圍內非酒精性脂肪肝病(NAFLD)的患病率高達25%左右，在我國統計數據顯示患NASH疾病的潛在人群高達1.1億，該類人群發(fā)病早期無明顯特異癥狀，當NASH逐步發(fā)展成為肝硬化、肝癌時，預后往往較差且無法逆轉，因此早期診斷NASH并及早干預就顯得尤為重要。

圖1 非酒精性脂肪肝炎

肝活檢作為唯一能夠可靠區(qū)分NAFLD和NASH的診斷方法，也存在著許多潛在的并發(fā)癥，如術后疼痛、出血和損傷鄰近器官等。同時在整個肝活檢過程中，患者都需要得到悉心的照料，直至康復。所以，肝活檢因創(chuàng)傷操作、后期護理難和費用高等弊端，常不被患者和醫(yī)護人員所接受。鑒于以上肝活檢的條件限制，無創(chuàng)診斷評估成為NASH診斷研究的熱點。生物電阻抗技術作為一種無創(chuàng)獲取人體身體成分值的檢查技術，近年來與深度學習技術相結合，在淋巴結水腫預后預測、慢性卒中患者個性化分析等其他疾病領域取得諸多進展。

據了解， 徐醫(yī)附院設備處醫(yī)工結合AI團隊與以溫州醫(yī)科大學附屬第一醫(yī)院為主導單位聯合廣東省中醫(yī)院、浙江大學醫(yī)學院附屬邵逸夫醫(yī)院、南方醫(yī)科大學南方醫(yī)院、天津市第二人民醫(yī)院和杭州師范大學附屬醫(yī)院，共六所醫(yī)院合作，建立國內最大的NASH患者信息數據庫，該庫包含NASH病例516名和NAFL病例250名患者的身體成分值數據、相關既往病以及病理診斷等信息。(相關數據已經進行了脫敏處理)。

為了給項目提供可靠的算法支持，該團隊除積累大量翔實的臨床數據以外，算法設計上還得到中國礦業(yè)大學、徐州醫(yī)科大學多名教授的技術指導，在較大樣本量的基礎上使用較新的算法運用提高了系統診斷的準確率并且避免結果的偶然性。

團隊在FCN結構基礎上加入殘差結構、修改連接方式優(yōu)化模型，提高了診斷結果的準確性。以信息數據庫和人工智能技術為依托進行NASH診斷。

圖2 生物電阻抗測量設備

目前，團隊已經完成數據模型建立和預測軟件設計，系統AUROC 達到0.801，相信通過進一步的實驗，該項目可以有效輔助篩查早期非酒精性脂肪肝炎患者。

圖3 軟件界面截圖

運用醫(yī)工結合方式，將AI賦能醫(yī)院門診，下沉普通社區(qū)和其他公共場所，運用醫(yī)工交叉創(chuàng)新技術解決NASH篩查難題，推進醫(yī)工交叉深度融合、培養(yǎng)人才聯合互動，實現轉化科技成果的核心工作，進一步推進醫(yī)療大數據有序開放和利用。

徐醫(yī)附院設備處醫(yī)工結合AI團隊助力“AI+醫(yī)療”智能服務。

附錄介紹：

NASH：是指除酒精和其他明確因素所致肝病(如病毒性肝炎、藥物性脂肪肝等)外，與胰島素抵抗以及代謝綜合征密切相關的疾病非酒精性脂肪肝(NAFLD)加深演變發(fā)展而成。

生物電阻抗值：是指由電流源頭給激勵電極通以恒定的電流，隨著人體呼氣與吸氣，胸腔容積的變化，引起胸部電阻抗相應的改變，使測量電極間電壓發(fā)生相應的改變，進而提供了關于組織內部的更多信息，有助于更好地理解生物組織的解剖學、生理學和病理學。