原发性肝癌早期预警人工智能系统

原发性肝癌（primary liver cancer，PLC）在全球常见恶性肿瘤中居第5位，在肿瘤患者的致死率中高居第3位，临床上约有2/3的肝癌患者初诊时已属中晚期，错过了治疗时机。肝癌的早期发现、早期诊断、早期治疗被认为是患者获得长期生存的主要途径。
近年来，医疗数据与人工智能地不断积累与发展为PLC早期筛查提供了有力的资源和手段。其中，基于图像的人工智能方法在肝癌识别和预测方面的应用比较常见，例如浙江大学孔德兴团队利用肝脏多模态图像识别肝脏肿瘤的良性与恶性。而且，国内很多研究人员利用生物标记物对肝癌筛查进行研究。由于基于血液的癌症筛查方法具有对患者友好、易于取样、价格便宜并且易于算法结合的特点，尽管它的筛查性能不如医疗影像和病例检查，使其依然是癌症筛查领域备受期待的研究热点。例如，在临床检验诊断领域，肝纤维化多参数临床诊断模型融合患者的性别、年龄等多项检测指标数值，诊断效能分析提示诊断准确率均超过70%，个别达到80%。以及基于实验室检测结果建立人工智能模型用于预测缺铁性贫血，诊断正确率超过90%。上海东方肝胆医院高春芳团队将多参数模型在诊断肝癌、肝纤维化方面进行了探索。
基于数据的机器学习方法是目前人工智能领域使用的主要手段，该方法实际就是对问题真实模型的逼近，利用现有的数据进行研究，找到某种规律对未知数据进行预测。项目依托临床数据开展研究，利用特征工程、机器学习以及深度学习的相关手段，建立模型，确定阈值，用于区分测试病例为正常、良性病变还是恶性肿瘤（原发性肝癌）以及对原发性肝癌进行分期工作。
上海应用技术大学
曹国刚