1、2019.7.6 厦门厦门When MI meets AI in MDTMedical Imaging Artificial IntelligenceMultiDisciplinary Team人工智能在肿瘤影像发展现状与展望CHIMA 2019When MI meets AI in MDTMedical Imaging Artificial IntelligenceMultiDisciplinary Team人工智能AI医学影像MI多学科协作MDTCHIMA 2019肝动脉化疗栓塞(TACE)射频消融术(RFA)立体定向放射治疗(SBRT)化疗靶向治疗免疫治疗开腹手术腹腔镜手术胃镜粘膜切除术

2、达芬奇机器人手术肿瘤临床诊治现状：治疗手段日趋多样，且交叉增多外科内科非手术局部治疗CHIMA 2019多学科团队(模式)Multidisciplinary Team，MDT针对某一器官或系统疾病，至少来自两个以上学科固定的专家构成工作组，通过定时、定址的会议，有计划、合理的为病人提出最科学的诊疗建议的工作模式多学科诊疗协作组（MDT）CHIMA 2019面对MDT需求的发展，影像医师对自身角色的再定位传统工作模式：检出+诊断后台模式(独立)MDT工作模式：影像医师走向前台，直接的思维碰撞带来工作理念和模式的转变6:30am,FriCHIMA 2019Davies AR.Dis Esophag

3、us 2006：MDT中影像学对上消化道癌分期准确率提高10%Lim HK.ANZ J Surg 2016：MDT影像学重新读片导致24%患者调整上消化道癌治疗方案Llewellyn-Jones G.J Med Imaging Radiat Oncol 2016：MDT模式下17.9%的影像学结果改进了儿科患者治疗Prakash,S.Can Assoc Radiol J 2016：影像学参与乳腺MDT使29例乳腺疾病患者避免了不必要手术影像学在MDT中的价值CHIMA 2019肿瘤MDT中关于临床决策制定的相关剖析1st根据2010-2014年英国4个肿瘤MDT团队52名医生对1045例患者的

4、决策情况评分得出（1-5分，分数越高，信息和贡献的质量越高）影像信息Leader：外科医生CHIMA 2019常规报告：腹腔干周围淋巴结转移MDT复阅：吻合口壁部分容积效应挖坑vs.填坑MDT对常规影像报告的质控意义CHIMA 2019影像参与MDT对信息化的需求图像载体：电子数据CHIMA 2019北肿胃癌住院患者MDT信息化发展历程基于Web，整合HIS系统的MDT数据库幻灯展示基于Filemaker的MDT数据库胃癌MDT信息化历程初级阶段中间阶段高级阶段CHIMA 2019幻灯展示检索困难、统计困难、追溯困难应用困难应用困难数据无标准化，根据住院总医师个人习惯制作，随意性强随意性强随意

5、性强随手做、随手丢，难于保存、管理单机版，数据单机版，数据保存困难保存困难初级阶段2006-2013CHIMA 2019胃癌MDT数据的初始积累数据库维护需人工录入，工作繁琐工作量大工作量大数据标准化、规范化，可检索、统计，和临床工作流紧密相连专业数据库专业数据库电脑、手机、iPad多终端应用，但仅限苹果系统，终端数目受限多终端应用多终端应用基于Filemaker的MDT数据库中间阶段2013-2017CHIMA 2019胃癌MDT数据的规范化积累基于Web，整合HIS系统MDT数据库检验、检查结果自动从HIS系统提取，节省人力且更精准接入医院接入医院HIS系统系统数据标准化、规范化，可检索、

6、统计，和临床工作流紧密相连专业数据库专业数据库基于Web，只要设备可联网，即可应用多终端应用多终端应用高级阶段2017-今CHIMA 2019MDT院际交流（讨论、比赛）增多带来信息化需求的增高影像学数据载体及展示方式：云平台、云PACSMDTNationwide cloud-based integrated database of idiopathic interstitial pneumonias for multidisciplinary discussion.基于全国性云端的肺炎MDT数据库(39 centers)Fujisawa T.Eur Respir J.2019 Mar 17C

7、HIMA 2019卫健委：肿瘤多学科诊疗试点（231家三甲医院）CHIMA 2019When MI meets AI in MDTMedical Imaging Artificial IntelligenceMultiDisciplinary Team人工智能AI医学影像MI多学科协作MDTCHIMA 2019加德纳技术成熟度（热度）曲线（2018）人工智能成为国际研究热点（期望顶点）技术萌芽期期望膨胀期泡沫化谷底期稳步爬升的光明期实质生产的高峰期CHIMA 2019N engl j med,Lancet,Lancet Oncol,Science,NatureCHIMA 20191997201

8、6ANNDeep Learning强大而灵活的机器学习算法神经网络Sanjiv Gambhir,Stanford University,2018数以千万计的参数起始结构,GoogLeNet,2014神经网络到深度学习量变到质变CHIMA 2019提高临床效率（热点）辅助检出，良恶鉴别 提高效率，减少漏诊 辅助诊断，拓展思路解决深层需求（痛点）人工智能与医学影像的契合点CHIMA 2019影像报告过程中的思维“短路”前后不一致（增大-缩小）单位错误（mm-m）病灶漏诊 左右写反 张冠李戴 错词、病句 报告已切除脏器 CHIMA 2019食管癌术后，随访过程中三个月后提高诊断效率，减少漏误诊CHI

9、MA 2019AI医疗器械产品审批要点CHIMA 2019提高临床效率（热点）辅助检出，良恶鉴别 提高效率，减少漏诊 辅助诊断，拓展思路解决深层需求（痛点）人工智能与医学影像的契合点CHIMA 2019疗后9个月疗后6个月疗前疗后3个月GIST靶向/免疫治疗影像学评效的迟滞效应Roller Coaster sign:rapid remission followed by rapid progressionCT靶向治疗评效时间窗的局限性：软组织对比差+辐射疗后 2-3个月进行第一次评效肿瘤在此时间段可能经历短暂有效期，而后快速进展CHIMA 2019肿瘤病理学单点活检无法评价肿瘤全貌,而对个体化

10、治疗带来挑战，肿瘤基因异质性可能通过达尔文选择导致肿瘤适应及治疗失败Gerlinger et al.N Engl J Med 366,883-92(2012).肿瘤异质性(heterogenity):影响治疗预后的重要因素CHIMA 2019肿瘤影像学异质性的定量描述CHIMA 2019AI+医学影像（人工智能技术应用于医学影像学评估）：第一步 图像识别，通过图像分割配准，自动定位、提取病变第二步 特征提取及纹理分析，从影像图像中获取尽可能多的客观信息第三步 深度学习，AI应用的核心环节，借助算法手段统合大样本影像数据提取的纹理特征、临床信息甚至基因信息，建立疾病诊断、分期评估及疗效评价相关模

11、型，指导临床诊治影像组学Radiomics让机器“看”人类看不到的东西成像勾画感兴趣区特征提取分析建模CHIMA 2019影像组学关键技术：纹理分析及人工智能可解释性深度学习可提取多层特征（边缘、形状、抽象特征等），可视化肿瘤高危区域进而指导穿刺活检Courtesy:中科院自动化所 董迪博士CHIMA 2019形状特征：体积，长短轴，表面积等灰度、直方图特征：均值，方差，峰度，偏度等纹理特征：灰度共生矩阵，游程等高维变换的特征：将原图像先进行高通、低通的滤波变换等影像纹理特征分类峰度，偏度=1 ./01231 .401234=1 .:01231 .40123?:灰度共生矩阵 假设灰度为N阶 相

12、邻灰度为i，j的像素对的个数游程 连续灰度为i的像素条的个数20000003102200CHIMA 2019深度学习算法：无需特征定义feature1feature2feature3:病例1-n分类器深度学习传统机器学习：需要对特征进行定义评价模型CHIMA 2019肝转移 40%腹膜转移 53-60%腹膜转移(PM)是影响胃癌治疗选择和预后的重要因素应用案例：胃癌腹膜转移的影像学诊断CHIMA 2019美国：CT漏诊23%进展期胃癌腹膜转移Sarela AI.Am J Surg,2006,191:134-138.CT检查M0可切除外科医生影像医生我院：CT漏诊20.5%

13、进展期胃癌腹膜转移CHIMA 2019Subphrenic perihepatic hepatogastric ligament transverse mesocolon paracolic gutter omentum Douglas pouchCT漏诊的腹膜转移：MDT模式下与腹腔镜探查的点对点对照研究CHIMA 2019种子-土壤Fibroblasts Angiogenesis 影像学隐匿性腹膜转移（OPM）污迹样磨玻璃征Smudge GGO（S-GGO）CHIMA 20190级：未见异常密度改变1级：脂肪密度略高、较均匀，呈较淡S-GGO征2级：脂肪密度增高、不均匀，斑片状或密集S-G

14、GO征3级：脂肪密度明显增高，伴多发索条、卷发征或小结节RSNA 2014Oral presentation腹膜隐匿性转移（OPM）CT风险度分级0级1级2级3级OPM-OPM+Score0780Score1192Score2267Score347以Score 2 判断OPM+：假阴性率2%真阳性率32%CHIMA 2019应用效果临床数据智能手段术前预测胃癌隐匿性腹膜转移，避免不必要的开腹手术及有创探查(外科外科)前瞻性纳入554例CT漏诊的胃癌腹膜转移患者的影像及临床信息(影像影像)单中心建模及多中心外部验证数据，预测效能AUC均0.9(all)纹理分析提取3000个影像特征，构建临床结合

15、影像的智能预测模型(中科院中科院)临床问题北大肿瘤医院胃癌MDT团队与中科院自动化所合作牵头，国内多家胃癌诊疗中心参与的多中心前瞻性研究影像组学诊断胃癌隐匿性腹膜转移（OPM）理论创新拓展“土壤-种子”理论，构建融合原发灶和腹膜的双标组学模型(内外科内外科)D Dong,L Tang,ZY Li,et al.Annals of Oncology,2019，IF 14.018CHIMA 2019构建基于土壤-种子学说的影像组学双标模型，进行纹理特征的提取和分析影像纹理特征预测OPM阳性概率：强肿瘤+弱腹膜 弱肿瘤+强腹膜种子作用强度土壤从临床角度加强理论佐证，兼具临床和理论意义CHIMA 201

16、9N engl J med 376;26,June 29,2017CHIMA 2019不同机型，不同场强，不同序列，不同b值，不同质控水平，不同圣经旧约创世记.Chapter 11从单指数模型 到 双指数模型，从快扩散 到 慢扩散，从统计分布模型 到 DKI模型，从Stretch模型 到 FROC模型，从ADC 到 D 到、不断发展的技术提供更多可能，使得影像医生不依赖临床也能做科研、发表文章多中心影像统一标准的建立CHIMA 2019北大肿瘤医院胃癌MDT数据库通过信息化手段规范资料积累，提高临床及科研效率CHIMA 2019AI 取代影像医生？人类由于受到缓慢的生物进化的限制，无法与机器竞

17、争，并会被取代。全人工智能的发展可能导致人类的终结。-斯蒂芬威廉霍金CHIMA 2019人脑：洞察，预感，顿悟，灵感，第六感Insight,Conscious,Inspiration,Perception,Apperceive,Premonition,ESP人工神经网络秀丽隐杆线虫神经网络神经网络（300+神经元）神经元）Nature2019-7-3人脑神经元：百亿神经元：百亿+CHIMA 2019有时去治愈，常常去帮助，总是去安慰AI面临的终极挑战:医学人文(AI看的是病,医生看的是病人)CHIMA 2019人工智能AI医学影像MI多学科协作MDT数学计算机信息学自动化研究所大学公司内科外科放疗病理门诊医务学会卫健委万物互联万物智能信息化CHIMA 2019