AI研究新成果

中山大學附屬第三醫院內分泌科陳燕銘教授聯合中山大學電子與通信工程學院郭裕蘭副教授及中山三院大數據中心劉子峰主任，于2021年11月29日在國際著名期刊Frontiers in medicine（IF：5.09）發表了題為“Development and Validation of a Deep Learning Algorithm to Automatic Detection of Pituitary Microadenoma From MRI” 的研究論文。?在國內率先開發了人工智能領域在內分泌垂體瘤早期診斷的臨床應用，李慶玲博士、朱延華副主任醫師、陳銘林、郭若汨副主任醫師為共同第一作者。

研究發現：

使用我們開發的PM-CAD卷積神經網絡深度學習算法，構建垂體瘤輔助診斷體系， 可以高效率地利用垂體核磁共振圖像（MRI）診斷出垂體微腺瘤（PM），診斷準確率達到94.36%。減輕臨床醫生工作負荷量，降低誤診率、漏診率，非常適合向基層醫院推廣應用。

垂體微腺瘤(PM) 是一種直徑小于10毫米的腫瘤，高達10%的人群可能患病，雖然大部分的PM患者是無功能性腺瘤，但是有部分微腺瘤通過分泌ACTH、PRL、LH、FSH等激素引起閉經、泌乳、性功能障礙、骨質疏松、糖尿病和不孕不育等嚴重后果。甚至有部分患者發展為大腺瘤或巨大腺瘤導致頭痛、視野缺損等嚴重癥狀才就醫。早期診斷、早期發現，并予以明確臨床評估、指導治療，具有重要的臨床意義。

研究方法：

本中心共納入11,935名篩選患者（2012年1月至2021年4月），規范排除標準后，1520名患者 (PM組=556，對照組=964）被納入研究。分為訓練數據集、測試數據集和驗證數據集；用于訓練和測試的數據集來源于回顧性研究，我們前瞻性的搜集了驗證數據集，并在驗證中采用了內部驗證，包含Validation A1、Validation B人機對比和Validation C誤診病例的進一步驗證，和外部驗證數據集Validation A2和A3。

PM計算機輔助診斷系統(PM- CAD)由垂體區域檢測和PM診斷兩部分組成。通過受試者工作特征(ROC)曲線和ROC曲線下面積(AUC)、校正曲線、準確性、敏感性、特異性、陽性預測值(PPV)、陰性預測值(NPV)、F1score等指標衡量PM-CAD系統的診斷性能。

研究結果：

在測試數據集中，PM-CAD輔助診斷系統的診斷準確率為94.36%，AUC為98.13%，在內部驗證數據集Validation A1的診斷準確率為96.50%，AUC為95.5%，外部數據集Validation A2和A3中的診斷準確率分別為92.26%和92.36%，AUC分別為94.7%和93.7%。在人機對比中，PM-CAD系統的診斷性能與擁有10年臨床經驗的放射科醫師相媲美(診斷準確率94.0% vs 95.0%，AUC為95.6% vs . 95.0%)。對于假陰性的誤診病例，PM-CAD系統的診斷準確率為100%。同時，我們設計了一個browser-based software（http://www.pituitarymicroadenoma.com）來輔助PM診斷。同時，PM-CAD系統在外部驗證數據集中同樣取得了好成績，證明了模型很好的泛化性能，相關成果已申報發明專利，適合向其他醫院推廣應用。