AI革新医学影像：盛京医院石喻团队突破非对比MRI在肝纤维化分期中的应用

AI革新医学影像：盛京医院石喻团队突破非对比MRI在肝纤维化分期中的应用

引用

搜狐

等

10

来源

1.

https://www.sohu.com/a/818378843_183834

2.

https://m.medsci.cn/article/show_article.do?id=60488602321d

3.

https://www.lg.gov.cn/xxgk/xwzx/zwdt/content/post_11739361.html

4.

https://xinwen.bjd.com.cn/content/s66f177e7d5deda09fa826a07.html

5.

https://www.mayoclinic.org/zh-hans/tests-procedures/magnetic-resonance-elastography/about/pac-20385177

6.

https://www.bjsjgyy.com/kpwz/2024-07-22/1013911.html

7.

https://www.liver.org.tw/journalView.php?cat=84&sid=1339&page=1

8.

https://livercenter.com.hk/article/%E8%82%9D%E7%BA%96%E7%B6%AD%E5%8C%96%E6%8E%83%E7%9E%84%E3%80%81%E8%B6%85%E8%81%B2%E6%B3%A2%E3%80%81%E9%9B%BB%E8%85%A6%E6%8E%83%E7%9E%84%E5%92%8C%E7%A3%81%E5%8A%9B%E5%85%B1%E6%8C%AF%E6%9C%89%E7%94%9A%E9%BA%BC%E4%B8%8D%E5%90%8C%EF%BC%9F/

9.

https://www.letpub.com.cn/index.php?page=grant_article_details&article_id=1379

10.

https://mm.sciconf.cn/cn/web/program/21826

肝纤维化是肝脏对慢性损伤的修复反应，若不及时诊断和治疗，可进展为肝硬化甚至肝癌。目前常用的诊断方法如血清学标记物、常规影像学检查存在敏感性低、准确性不足等问题，而肝穿刺活检虽为金标准但具有侵入性和风险。因此，开发一种无创、准确的诊断方法对于提高肝纤维化患者的临床管理至关重要。

近年来，人工智能（AI）技术在医学影像领域的应用取得了显著进展。以深圳龙岗区为例，当地医疗机构正在积极构建AI影像诊断、筛查和质控三大平台，旨在覆盖心血管、神经、呼吸等八大系统应用场景。AI技术能够快速分析X光片、CT扫描等医学影像，显著缩短患者等待时间，提高诊断效率和准确性。同时，AI通过深度学习识别微小变化，有助于发现早期疾病迹象，提高患者的治愈率和生活质量。

2024年10月16日，中国医科大学附属盛京医院石喻团队在期刊《eClinicalMedicine》上发表了一项重要研究成果，题为“Development of fully automated models for staging liver fibrosis using non-contrast MRI and artificial intelligence: a retrospective multicenter study”。该研究开发并验证了一个利用非对比MRI（NC-MRI）对肝纤维化进行分期的人工智能驱动模型。

研究背景与目的

肝硬化已成为全球死亡率的重要因素，占2019年全球死亡人数的2.4%。肝活检虽然是目前临床实践中纤维化评估的参考方法，但由于其侵入性、易受采样误差影响、相关发病率、并发症风险和解释可变性，不适合常规纤维化筛查。因此，研究团队利用NC-MRI（T1WI和T2FS）和来自大规模多中心数据集的临床数据，开发和验证用于肝纤维化分期的AI驱动模型。

AI模型的开发与验证

研究团队开发的AI模型能够有效地从NC-MRI中捕获诊断信息，并结合临床特征，实现0.808-0.925的AUC值。在读者研究中，AI模型在预测肝纤维化分期方面的性能超过了6名不同资历的放射科医生，显示出在临床实践中的潜在应用价值。

具体而言，在第一次读者研究中，AI模型（OM）在≥F2、≥F3和F4预测方面的AUC范围为0.817-0.903，明显优于3位初级放射科医生（AUC范围：0.641-0.757；P < 0.01），并与3位高级放射科医生相比产生更高的AUC。在第二次读者研究中，放射科医生在获得AI模型的主要预测概率和肝脏、脾脏体积测量后，肝纤维化分期的AUC显著改善。

临床意义与未来展望

这一研究突破具有重要的临床意义。首先，AI模型能够帮助放射科医生在临床实践中快速准确地对肝纤维化进行分期，显著增强慢性肝病患者的诊断和治疗决策。其次，该技术作为无创检查手段，避免了传统肝穿刺活检的风险和不适，提高了患者接受度。最后，AI模型的高准确性有助于及早发现肝纤维化，为患者争取宝贵的治疗时间窗口。

未来，研究团队计划进一步优化模型性能，包括纳入更有价值的临床特征、使用更先进的算法，并在更大的多中心队列中验证模型，以提高其普遍适用性。此外，研究团队还计划探索AI模型在其他肝脏疾病诊断中的应用潜力，为临床实践提供更多支持。

这一突破性研究不仅展示了AI在医学影像领域的巨大潜力，更为肝纤维化患者带来了福音。通过将AI集成到NC-MRI中，医生可以更快速、准确地对肝纤维化进行分期，为患者提供更好的治疗决策支持。这一技术有望在未来改变肝纤维化的诊断方式，提高医疗效率和患者预后。