【黑科技·看世界】是“第三届肿瘤黑科技年会”的系列栏目，现已上线~本栏目将每期分享一个当前国际前沿的肿瘤领域科研成果或肿瘤诊治新技术，为各位读者朋友搭建瞭望前沿肿瘤黑科技的世界之窗。
本栏目将于每周五更新，欢迎大家订阅关注，同时也欢迎更多研发企业们前来报名第三届肿瘤黑科技，秀出你的肿瘤黑科技。
近年来，人工智能（AI）快速发展及其强适应性使其遍布在肿瘤成像领域。基于AI开发的计算机辅助检测工具（CADe）可通过预设模型自动检测病变并进行病变分割，对患者进行危险分层、识别肿瘤表征并对其分级和分期、预测治疗应答及预后。将神经网络和深度学习整合到影像学中，可推断出影像科医生无法识别的成像特征，为肿瘤患者提供真正的个性化治疗铺平道路。目前，AI从基础和转化癌症成像研究逐渐转移到临床常规应用，将成为肿瘤患者全称管理的重要组成部分。本文将盘点AI技术在肿瘤成像中主要应用，并展望其未来应用前景。
概述
机器学习（ML）是一种基于自主学习算法的被广泛使用AI方法，而人工神经网络是一种受人类大脑启发的ML架构，其信息在组织不同层级的 “节点”或“细胞”之间传递，最外层是初始数据输入层，而算法最内层则是输出层。当总层数超过3时，该算法被认为具“深度”，并被定义为深度学习（DL）。ML和DL算法的进步均极大地促进了放射组学模型的研究和应用。
在肿瘤成像中，放射组学特征与肿瘤大小、形状、性质等相关，这些特性组成为肿瘤放射组学特征。放射基因组学将从医学图像中提取大量定量数据与个体基因组表型相结合，以评估肿瘤的基因组图谱，这使其可用于风险分层、指导治疗策略和评估临床结果。此外，成像数据可以进一步与临床及实验室信息以及其他个性化患者变量相结合，以提高诊断成像的精确度，预测治疗效果和临床结局，并确定最佳管理。
AI肿瘤学应用主要包括识别癌症高发人群、自动检测肿瘤病变、协助制定治疗方案以及预测治疗应答和预后。此外，放射组学和放射基因组学方法通过经验丰富的影像科医生也无法识别的新型成像标记物来个性化评估各患者疾病风险。这反映了肿瘤患者及其疾病独特的特征可用于制定精准化、个体化管理策略。
临床应用
风险分层
识别特定肿瘤高发人群并将其纳入个性化筛查中，对于降低肿瘤疾病死亡率也至关重要。AI可从中度或弱相关成像特征中推导出临床中重要的预测因子，且当其与临床数据相结合后有助于识别肿瘤高发患者。此外，AI还可提高肿瘤良恶性病变鉴别影像学上的准确性，使患者获得更加精准的治疗。基于AI的预测模型已被用于多个瘤种，包括肺癌、结直肠癌、甲状腺癌、乳腺癌和前列腺癌。
以乳腺癌为例，国际乳腺干预研究（IBIS）模型是用于指导乳腺癌筛查及预防的评分系统。它纳入年龄、基因型、乳腺癌家族史、初潮年龄和首次生育年龄、绝经状态、不典型增生、小叶原位癌、身高、身体质量指数因素进行评估。尽管被广泛应用，但其在某些高危患者人群的准确性有局限性。但是，整合DL识别高危成像特征可提高IBIS模型准确性。
与危险分层相关的另一个方面包括对偶然发现的良性病变的评估，以及识别那些将来更有可能发展为恶性肿瘤的病变。以肺结节为例，影像科医生通常会对数百个肺结节进行常规评估，以评估其大小、位置、边缘及动态变化情况。随后根据患者的临床特征和病史，对这些信息进行主观解释，并进行风险进行分层和制定治疗及监测方案，AI则可更高效地处理这类具有挑战性且耗时任务。
病变检测与筛查
临床隐匿性恶性肿瘤的筛查是肿瘤影像学最重要的目标之一，AI技术可用于减轻工作量、观测疏忽以及假阴性读数。CAD工具是影像学筛查中常用的AI系统，CAD程序本质是一种 模式识别软件，可帮助医师识别影像学检查中的潜在异常。目前，先进的CAD系统广泛使用DL模型来提取影像科医生无法立即获得的信息，与临床医生相比该系统更具提高准确性潜力。
乳腺癌筛查是临床实践中长期应用CAD系统中最成功的例子之一，在乳腺癌筛查中CAD可评估乳房X线结果中是否存在微钙化、结构扭曲和肿块。此外，基于DL算法的CAD系统在 CT扫描中检测到更多的肺结节，并允许根据选定的特征对检测到的结节进行分类；另一种基于DL的CAD算法在检测恶性肺结节方面优于影像科医生。
放射基因组学
放射基因组学是通过AI技术整合“放射组学”及“基因组学”概念，目前正在成为肿瘤学精准医疗的最前沿的领域。随着基因组技术的进步，可识别一系列不同基因型和癌症发病机制中调节通路异常，从而改变对肿瘤识别、分类及管理方式，并对每位肿瘤采取真正个性化的方法。
肿瘤时间和空间上异质性使得不可能在多个时间点对每个肿瘤和转移性病变进行各自取样，因此通过活检对恶性肿瘤进行定性在实际应用中十分受限，而放射基因组学可通过成像表型对肿瘤基因表达模式进行非侵入性且全面识别。现有放射基因组学根据可用数据，基于AI的模型根据现有数据识别雌激素受体（ER）、孕激素受体（PR）、 表皮生长因子受体（EGFR）、Ki-67和人表皮生长因子受体2（HER2）等突变。
肿瘤分割和治疗计划
肿瘤图像分割用于确定肿瘤的体积、形态及其与周围器官和组织的关系，这对于基于成像的手术或放疗计划至关重要，同时对于评估治疗应答也发挥作用。肿瘤分割需要将图像分成多个部分，这些部分在一个或多个特性或特征方面是同质的，例如颜色、灰度、空间纹理或几何形状。
神经肿瘤成像是AI分割系统应用领先领域之一，在优化工作流程及影响临床决策方面具有显著的潜力。对于某些类型的脑肿瘤，如低级别胶质瘤手术切除是目前首选。考虑到神经网络在认知功能上扩散性质，边缘切除范围会显著影响脑功能和患者生活质量，基于AI的脑肿瘤分割系统可制定手术切除范围。此外，优化放疗计划是AI在肿瘤影像中另一个重要应用领域，如前列腺放射治疗，基于神经网络系统的分割系统成功检测出前列腺异常，并合理分割腺体及其亚区，用于指导随后的精确放射治疗。
预测治疗应答及预后
目前，实体瘤反应评估标准中的肿瘤大小变化（RECIST）标准并不能可靠地预测肿瘤潜在生物反应，如肿瘤大小初始增加（称为假性进展），这在免疫治疗中常见且是免疫应答良好的标志。相反，肿瘤大小初始减小（称为假性反应）可与肿瘤侵袭性增加有关，这常见于抗血管生成药物应用。AI模型的治疗应答预测价值已在多个瘤种领域中得到证实， 包括乳腺、肺、脑、前列腺和头颈部肿瘤。特别是AI技术可预测患者对免疫疗法的反应且识别早期应答者，并区分出假性进展患者。此外，疾病复发的预测对于制定最佳治疗方案也至关重要，而AI可在为这一领域带来增益。预后模型通过整合基因组图谱和临床信息来对患者复发风险进行分层，以选择最佳治疗策略。
总结
截至目前，肿瘤成像中AI算法主要应用于结局常规且耗时的临床实践问题，如乳腺癌和肺癌筛查。AI正更多地融入影像学的工作流程中，同时AI放射基因组学在肿瘤成像中的应用正在呈现指数级增长，积极地推动了肿瘤治疗个性化发展。最终，通过整合肿瘤成像、临床信息及其分子数据，AI驱动的多维疾病分析将进一步优化临床策略制定，有望突破当下与真正的个性化医疗之间差距。
受疫情影响，第三届肿瘤黑科技线下年会延期至2023年4月，延期不延“工”，黑科技的各项准备工作仍在有序进行中
等待，只为了更好的相遇
报名通道仍在持续开放中，扫码立即咨询
[1] Cellina M, Cè M, Khenkina N, Sinichich P, Cervelli M, Poggi V, Boemi S, Ierardi AM, Carrafiello G. Artificial Intellgence in the Era of Precision Oncological Imaging. Technol Cancer Res Treat. 2022 Jan-Dec;21:15330338221141793. doi: 10.1177/15330338221141793. PMID: 36426565; PMCID: PMC9703524.
[2] Bi WL, Hosny A, Schabath MB, Giger ML, Birkbak NJ, Mehrtash A, Allison T, Arnaout O, Abbosh C, Dunn IF, Mak RH, Tamimi RM, Tempany CM, Swanton C, Hoffmann U, Schwartz LH, Gillies RJ, Huang RY, Aerts HJWL. Artificial intelligence in cancer imaging: Clinical challenges and applications. CA Cancer J Clin. 2019 Mar;69(2):127-157. doi: 10.3322/caac.21552. Epub 2019 Feb 5. PMID: 30720861; PMCID: PMC6403009.
黑科技年会报名通道持续开放中
如果您是创新型企业
欢迎报名最前沿的、贴近临床需求的创新产品和技术
包括：小分子、抗体治疗、细胞治疗、基因治疗、物理治疗等肿瘤治疗方面的创新；早筛与诊断方面的创新；以及数字与信息科技方面的创新。
如果您是医院、高校、科研院所的研究者
欢迎报名肿瘤诊疗领域内，最前沿的、贴近临床需求的转化研究科研成果。
李进教授、马军教授、沈琳教授等50+肿瘤领域学术大咖担任本次年会学术评审团
更有启明创投、丹麓资本、华盖医疗长三角基金、礼来亚洲基金等国内医疗领域知名投资机构加入，汇聚临床、产业、投资专家，助力高潜力的肿瘤产品更有效率地走向临床；为参赛企业及项目提供展示的平台。
更多报名详情，请戳下方链接
黑，无止境......第三届肿瘤黑科技年会报名通道已开启，多个赛道，等你加入！
从精准诊断到药物治疗
从创新器械到创新服务
我们在寻找
够“黑”的肿瘤诊疗技术
期待与你在第三届肿瘤黑科技年会的舞台相遇！
排版编辑：pby
苏公网安备32059002004080号
