近期，中山大学附属第六医院结直肠外科研究团队和深圳腾讯AI lab开展合作，并成功开发出世界上第一个诊断肠癌腹膜转移的AI平台，能够自动识别原发肿瘤特征，同时提取肿瘤临近腹膜的影像学特征，构建基于人工智能的SVM分类器。该AI模型仅需花费34秒就自动识别并诊断了所有验证图像，准确性高达94%，AUC为0.922，敏感性和特异性均高达94%。

腹膜转移被普遍认为是肠癌的终末期，预后很差。当前，诊断肠癌腹膜转移主要通过影像学手段的，敏感性欠缺，特别是对于5 mm以下的微小腹膜转移病灶。肠癌合并同时性腹膜转移(PC)的发病率为5%~10%，复发时合并腹膜转移发病率为25%~44%。腹膜转移如果能够早期诊断，可增加彻底减瘤手术的机会，或能明显延长肠癌患者的生存期。

该原创性研究成果在《外科学年鉴》(Annals of Surgery)杂志发表。袁紫旭博士为第一作者，王辉教授为通讯作者。

近年来AI在医学领域尤其是肿瘤诊断方面得到了很大应用，AI擅长对医学图像(影像及病理)的自动识别和诊断，AI更新换代后的深度学习算法更具优势，大大提升了AI诊断灵敏性和准确性。

2018年开始该团队和深圳腾讯AI lab就建立了合作关系，研发了一个基于卷积神经网络(CNN)的ResNet3D系统，据悉，这是世界上第一个诊断肠癌腹膜转移的AI平台，能自动识别原发肿瘤特征，同时提取肿瘤临近腹膜的影像学特征，构建基于人工智能的SVM分类器。训练组一共纳入了19814张CT图像，验证组包括了7837张CT图像。

研究发现，ResNet3D的AI系统仅需花费34秒就自动识别并诊断了所有验证图像。“ResNet3D+SVM分类器”的肠癌腹膜转移诊断的准确性高达94%，AUC为0.922，敏感性和特异性均高达94%，明显优于常规增强CT的诊断能力。

研究者认为，该AI平台是无创的新型诊断系统，基于腹部肿瘤临床上常规使用的增强CT图像，不仅能够自动识别原发肿瘤特征，还融合了周围临近腹膜的特征，临床实用性很强，为临床医生制订手术方案提供参考，也为肠癌患者选择合适的治疗提供依据。

据悉，该AI平台可以识别其他医院或中心的影像学图像，研究者下一步计划将该AI系统移植到其他医院，利用更大规模的独立队列，进行外部验证来证明其普遍适用性，努力解决肠癌腹膜转移癌诊断困难的世界性难题。

(编撰 王艳)