2021年2月24日，我校附屬第一醫院超聲醫學科謝曉燕教授、周路遙副教授團隊研究成果在Nature communications雜志上以research article形式發表論文“Ensembled Deep Learning Model Outperforms Human Experts in Diagnosing Biliary Atresia from Sonographic Gallbladder Images”。該論文為利用超聲膽囊圖像進行人工智能診斷打開了一扇新的窗戶。
膽道閉鎖是一種以肝內、外膽管多發節段性閉塞為特點的新生兒致死性肝膽系統疾病。全世界發病率各不相同，歐美國家的發病率在1/13000-1/20000，我國的發病率約為1/5000-1/10000。膽道閉鎖的患兒表現為出生后持續身目黃染，并出現排陶土樣大便和深色尿，伴血清膽紅素濃度進行性上升，最終可發展成肝硬化，導致肝功能衰竭，是小兒終末期肝病最常見的原因。如不治療，患兒將在2歲內死亡。在生后兩個月內獲得及時診斷并接受肝門腸吻合術（俗稱葛西手術），恢復膽汁引流，是獲得良好預后的關鍵。但是，膽道閉鎖早期的臨床癥狀及實驗室檢查常與嬰兒肝炎綜合征等膽汁淤積性肝病疾病表現相似，鑒別困難。超聲檢查及時識別患兒的異常膽囊是早期診斷膽道閉鎖的重要手段。但準確判斷超聲圖像是否異常有賴于檢查者經驗，經驗不足的醫生容易發生誤判。膽道閉鎖也相對罕見，許多基層超聲醫生對膽囊形態異常的認識不足，造成一部分膽道閉鎖患兒的漏診，從而錯失了葛西手術的最佳時機。
為了解決膽道閉鎖在基層醫院早期診斷的難點，附屬第一醫院謝曉燕教授、周路遙副教授團隊聯合中山大學計算機學院王瑞軒副教授團隊，從國內多家醫院收集了數千張膽囊超聲圖像，采用集成深度學習方法訓練和一個智能診斷模型，該模型在內部驗證數據集的敏感性和特異性分別為93.3%和85.2%。在外部數據驗證階段，集成智能診斷模型的敏感性和特異性仍然高達93.1%和93.9%，超越擁有10年以上兒科超聲經驗的專家的診斷水平。
研究結果還發現，聯合智能診斷模型和專家，可以使診斷的準確率進一步提高。為了進一步驗證模型的外延性和穩定性，團隊還對模型進行了膽囊動態視頻和手機拍的膽囊照片的驗證。結果顯示，智能診斷模型仍然能夠獲得較高的準確率。基于這些結果，團隊將智能診斷模型開發成一款微信小程序（已獲軟件著作權授權，微信搜索“嬰兒膽閉超聲智能識別”可以打開），并對其診斷價值進行了初步的驗證（圖）。最后，在類激活映射分析中，熱圖顯示，智能診斷模型確實關注到膽囊輪廓，說明模型主要依靠膽囊形態進行診斷。
圖：模型訓練過程示意圖
論文中的微信小程序已在微信平臺上開放。在使用時，基層超聲醫生只需要按照要求，利用一臺可以拍照并連接網絡的智能手機，打開小程序對超聲膽囊圖像進行拍攝并上傳照片，便可得到專家級別的診斷，這避免了從超聲機器上拷貝圖片再上傳至在線軟件上獲得診斷提示的繁瑣步驟，大大提高了工作效率。即便對于經驗豐富的醫生，這個智能診斷模型也幫助提高診斷的準確率。因此，該智能診斷模型具有非常廣闊的應用前景。
論文共同第一作者是附屬第一醫院2020級博士生周文穎，中山大學計算機學院2018級碩士生楊揚，華中科技大學附屬協和醫院超聲影像科余鋮醫師，四川大學華西醫院超聲醫學科劉菊仙教授，共同通訊作者為附屬第一醫院謝曉燕教授、周路遙副教授及中山大學計算機學院王瑞軒副教授。論文的合作單位還包括：湖南省兒童醫院超聲科；福建省婦幼保健院超聲科；廣東省婦幼保健院超聲科；南方醫科大學附屬何賢紀念醫院超聲科；佛山市第一人民醫院超聲科；中國醫科大學附屬盛京醫院超聲科。附屬第一醫院小兒外科劉鈞澄教授團隊、周李教授團隊和附屬第一醫院精準醫學研究院羅鎮華教授對本研究給予了大力的支持。論文的共同通訊作者周路遙副教授長期從事膽道閉鎖超聲評估研究，前期已在影像醫學頂級期刊Radiology及European Radiology上發表多篇相關研究論文。本研究是在前期研究基礎上的又一次突破。
上述研究工作得到了國家自然科學基金青年基金項目、面上項目及重點項目(NO: 81501480, 81530055, 62071502 & U1811461)、國家重點研發項目（NO: 2018YFC1315402），廣東省基礎與應用基礎研究基金（NO: 2019A1515010549）、廣東重點研發項目（NO:2019B020228001, 2020B1111190001）、附屬第一醫院柯麟新星人才項目和中山大學高校青年教師培育項目的資助。
