清华新闻网10月7日电 近日，清华大学自动化系、北京信息科学与技术国家研究中心张学工教授团队与神经调控国家工程研究中心团队、青海大学附属医院樊海宁教授团队等合作开发了名为EDAM的包虫病辅助诊断AI系统，用普通平扫CT图像实现包虫病的自动检测和分型，为包虫病高发且医生资源短缺的西部地区提供了筛查包虫病的AI诊断新技术，助力彻底解决长期困扰高原牧区的包虫病筛查难题。

肝包虫病是一种严重的寄生虫疾病，高发于各大洲较偏远的牧区，可导致肝脏形成类似于肿瘤的病灶，又称为“虫癌”。中国现有包虫病流行地区主要集中在西部牧区，尤其是青海、新疆等地。这些地区的医疗资源普遍短缺，使包虫病早期筛查成为一大难题。今年9月，青海省推出了《包虫病防治条例》，北京清华长庚医院董家鸿院士团队多次前往青海等高原牧区进行包虫病疑难复杂病例手术救治。为了实现包虫病防治目标，对包虫病筛查提出了更高的要求。

青海牧区生活场景

包虫病可以根据寄生虫的种类不同分为囊型和泡型两种，对应不同的治疗方式和预后，正确诊断和分型非常重要。目前西部地区临床上普遍通过超声检查方式进行包虫病筛查，而超声检查非常依赖操作者的技术和经验，从而导致目前包虫病筛查和诊断的准确度和敏感性较低。近年来，国家在西部医疗领域投入了大量资源，县级医院均配备了CT设备，但在结果诊断上更需要医生的知识和判断力。

基于对包虫病筛查和诊断中临床痛点的深入分析，项目团队提出利用人工智能技术，通过普通平扫CT影像来对患者进行自动化诊断和分型的解决方案。面对筛查场景，模型纳入了正常人与其他肝占位疾病患者对照的数据，模拟筛查场景下的数据情况。面对CT影像数据单张切片多但总的患者数少的问题，团队提出先通过大量的单张切片训练大参数的2D-CNN分类与分割模型，再通过少参数的GRU模型从患者水平上进行整合，从而使模型与训练样本相匹配。同时模型能够提供注意力分数，引导医生关注关键的病灶切片位置。团队研发的包虫病诊断AI系统EDAM，结合了切片水平的疾病预测和分割与患者水平的疾病诊断，具有很高的准确性和灵敏度，并且有良好的可解释性和推广能力。团队通过青海大学附属医院、青海大学医学院、北京清华长庚医院、河南镇平县人民医院、南阳市中心医院等多中心协作，对采自不同平台的大量数据进行了多轮验证实验，并将EDAM系统与52位有经验的放射科医生对比，EDAM在检测和分型方面均表现出了较高优越性。系统可针对来自不同品牌设备的CT图像保持稳健的灵敏度，并通过提供可解释的结果，为临床医生和放射科医生提供了可靠的决策支持。

包虫病EDAM模型

该系统具有极大的潜在应用价值，便于配合国家相关基层健康支持政策普及到偏远基层，借助平扫CT进行包虫病智能筛查与辅助诊断，准确识别常见包虫病亚型从而进行对症治疗。该系统为缓解西部地区医生资源短缺的压力、彻底解决西部地区包虫病筛查难题提供了有效技术方案。

9月26日，上述研究在《柳叶刀·数字健康》（The Lancet Digital Health）期刊发表了科研论文“通过深度学习实现基于平扫CT影像的肝包虫病诊断和分型：一项多中心回顾性研究”（Detection andsubtypingof hepaticechinococcosisfrom plain CT images with deep learning: a retrospective, multicentre study）。清华大学自动化系张学工教授为本文通讯作者，青海大学附属医院副主任医师王展博士和清华大学自动化系在读博士生卞海洋为共同第一作者。来自自动化系和北京信息科学与技术国家研究中心、青海大学附属医院、青海大学医学院、镇平县人民医院、南阳市中心医院、北京清华长庚医院、清华大学航天航空学院等单位的多位医生和技术人员共同参与了该研究。

该研究得到了国家自然科学基金、青海省科技厅项目、清华-福州数据技术研究院项目等的资金支持。

论文链接：

https://www.thelancet.com/journals/landig/article/PIIS2589-7500(23)00136-X/fulltext