醫(yī)療領(lǐng)域是人工智能（AI）賦能的主要場(chǎng)景之一，人工智能（AI）有望為疾病帶來(lái)新的解決辦法，提升診斷治療效率。腫瘤轉(zhuǎn)移的早期診斷對(duì)于臨床治療至關(guān)重要，人工智能（AI）在醫(yī)學(xué)領(lǐng)域已顯示出巨大的應(yīng)用前景。本文將結(jié)合陳娟的研究成果，講述她對(duì)運(yùn)用人工智能AI在醫(yī)學(xué)放射成像領(lǐng)域的精準(zhǔn)診斷，以及運(yùn)用AI檢測(cè)腫瘤轉(zhuǎn)移的診斷性能。

陳娟2012/07-2019/07，在江蘇省中西醫(yī)結(jié)合醫(yī)院(Jiangsu Province Hospital of Chinese and Western Medicine)檢驗(yàn)科擔(dān)任主管檢驗(yàn)技師、教學(xué)秘書(shū)長(zhǎng)，主持PCR免疫室工作，擔(dān)任內(nèi)審員、質(zhì)控組成員，從事中藥研究和相關(guān)基因檢測(cè)與心血管疾病、糖尿病和腫瘤標(biāo)志物相關(guān)的研究工作。新冠（COVID-19）疫情爆發(fā)后，陳娟擔(dān)任南京華銀醫(yī)學(xué)檢驗(yàn)所實(shí)驗(yàn)室(Nanjing Huayin Medical Laboratory)基因中心主任，積極開(kāi)展新型冠狀病毒感染肺炎感控防護(hù)工作以及實(shí)驗(yàn)室檢測(cè)技術(shù)指南和實(shí)驗(yàn)室生物安全指南等相關(guān)的工作。2021/10-至今，擔(dān)任南京潤(rùn)太醫(yī)學(xué)檢驗(yàn)實(shí)驗(yàn)室主任、主要負(fù)責(zé)人，為實(shí)驗(yàn)室提供服務(wù)相關(guān)的專業(yè)、學(xué)術(shù)、顧問(wèn)或咨詢、組織、管理及教育事務(wù)。她還是The Clinical and Laboratory Standards Institute (CLSI)會(huì)員，中國(guó)民族醫(yī)藥學(xué)會(huì)(China Medical Association of Minorities,CMAM)外科分會(huì)理事、中國(guó)中醫(yī)藥信息學(xué)會(huì)(China Medical Informatics Association)睡眠分會(huì)第二屆理事會(huì)常務(wù)理事。

為了評(píng)估AI算法在醫(yī)學(xué)放射學(xué)成像檢測(cè)腫瘤轉(zhuǎn)移中的診斷準(zhǔn)確性。陳娟在PubMed和Web of Science中檢索2000年1月1日至2020年1月30日發(fā)表的文獻(xiàn)，將評(píng)估AI模型通過(guò)醫(yī)學(xué)放射學(xué)圖像診斷腫瘤轉(zhuǎn)移的文獻(xiàn)納入研究。同時(shí)排除了使用組織病理學(xué)圖像或醫(yī)學(xué)波形數(shù)據(jù)圖像以及側(cè)重于感興趣區(qū)域分割的文獻(xiàn)。她將提供足夠信息以構(gòu)建列聯(lián)表的文獻(xiàn)納入meta分析，并對(duì)這些文獻(xiàn)進(jìn)行了亞組分析。另外，她對(duì)使用相同數(shù)據(jù)集比較AI模型與醫(yī)療專業(yè)人員診斷效能的文獻(xiàn)進(jìn)行了單獨(dú)研究。

陳娟共檢索到文獻(xiàn)2617篇，納入系統(tǒng)評(píng)價(jià)69篇。其中，meta分析納入了34篇可構(gòu)建列聯(lián)表（共123張）的文獻(xiàn)。Meta分析結(jié)果顯示AI算法診斷敏感性為82%（95%CI 79-84%），特異性為84%（82-87%），曲線下面積（AUC）為0.90（0.87-0.92）。在4篇具有外部驗(yàn)證的文獻(xiàn)中，AI算法診斷敏感性為89%（95%CI 84-93%），特異性為74%（69-79%），AUC為 0.88（0.85-0.0.91）。對(duì)不同AI算法的分析表明，機(jī)器學(xué)習(xí)診斷敏感性為87%（83-90%），特異性為89%（82-93%）；深度學(xué)習(xí)為86%（82-89%）和87%（82-91%）。單獨(dú)分析8篇比較了使用同一樣本的AI算法和醫(yī)療專業(yè)人員之間的診斷效能的文獻(xiàn)，結(jié)果顯示，AI算法敏感性為89%（83-93%），特異性為85%（79-89%）；而對(duì)于醫(yī)療專業(yè)人員則為72%（61-81%）和72%（63-79%）。

陳娟提出的AI算法通過(guò)醫(yī)學(xué)放射成像診斷腫瘤轉(zhuǎn)移的效能令人滿意，就敏感性和特異性而言，其效果與醫(yī)療專業(yè)人員相當(dāng)甚至更好。陳娟的研究證明了AI在醫(yī)療領(lǐng)域應(yīng)用的文獻(xiàn)需要使用更加規(guī)范嚴(yán)格的術(shù)語(yǔ)和評(píng)價(jià)標(biāo)準(zhǔn)，并且完善外部驗(yàn)證和與醫(yī)療專業(yè)人員的比較。

陳娟認(rèn)為，AI技術(shù)的發(fā)展為檢測(cè)腫瘤轉(zhuǎn)移的診斷性能提供了一個(gè)可行的方案。一方面，AI通過(guò)使用計(jì)算機(jī)的算法優(yōu)化流程和決策的能力已成功被應(yīng)用于智能診療、醫(yī)學(xué)影像分析、電子健康病歷的大數(shù)據(jù)管理、精準(zhǔn)醫(yī)療、分子生物學(xué)及新藥研發(fā)等方向，極大地改善了醫(yī)療環(huán)境。另一方面，AI在檢測(cè)腫瘤轉(zhuǎn)移的性能上已經(jīng)展現(xiàn)了一定的潛力：它可以通過(guò)使用高效的算法從大量成像數(shù)據(jù)中檢測(cè)和“學(xué)習(xí)”特征，幫助醫(yī)師減少診斷和治療相關(guān)錯(cuò)誤并促進(jìn)個(gè)性化醫(yī)療，從而達(dá)到指導(dǎo)臨床實(shí)踐的目的。此外，AI可以用于識(shí)別疾病特有的模式并關(guān)聯(lián)新的特征，以獲得具有創(chuàng)新性的科學(xué)見(jiàn)解。正如過(guò)去50年中放射學(xué)的數(shù)字化隨著分辨率的提高和更廣泛的使用而徹底改變了這一領(lǐng)域，下一個(gè)十年準(zhǔn)備在放射學(xué)中進(jìn)行一場(chǎng)由人工智能推動(dòng)的革命--不是為了取代放射科醫(yī)生、腫瘤科醫(yī)生或一般的臨床醫(yī)生，而是為他們提供一個(gè)新的工具庫(kù)，以更好地指導(dǎo)治療，并最終改善病人護(hù)理。（作者：石修奇）