2021年2月24日，我校附属第一医院超声医学科谢晓燕教授、周路遥副教授团队研究成果在Nature communications杂志上以research article形式发表论文“Ensembled Deep Learning Model Outperforms Human Experts in Diagnosing Biliary Atresia from Sonographic Gallbladder Images”。该论文为利用超声胆囊图像进行人工智能诊断打开了一扇新的窗户。
胆道闭锁是一种以肝内、外胆管多发节段性闭塞为特点的新生儿致死性肝胆系统疾病。全世界发病率各不相同，欧美国家的发病率在1/13000-1/20000，我国的发病率约为1/5000-1/10000。胆道闭锁的患儿表现为出生后持续身目黄染，并出现排陶土样大便和深色尿，伴血清胆红素浓度进行性上升，最终可发展成肝硬化，导致肝功能衰竭，是小儿终末期肝病最常见的原因。如不治疗，患儿将在2岁内死亡。在生后两个月内获得及时诊断并接受肝门肠吻合术（俗称葛西手术），恢复胆汁引流，是获得良好预后的关键。但是，胆道闭锁早期的临床症状及实验室检查常与婴儿肝炎综合征等胆汁淤积性肝病疾病表现相似，鉴别困难。超声检查及时识别患儿的异常胆囊是早期诊断胆道闭锁的重要手段。但准确判断超声图像是否异常有赖于检查者经验，经验不足的医生容易发生误判。胆道闭锁也相对罕见，许多基层超声医生对胆囊形态异常的认识不足，造成一部分胆道闭锁患儿的漏诊，从而错失了葛西手术的最佳时机。
为了解决胆道闭锁在基层医院早期诊断的难点，附属第一医院谢晓燕教授、周路遥副教授团队联合中山大学计算机学院王瑞轩副教授团队，从国内多家医院收集了数千张胆囊超声图像，采用集成深度学习方法训练和一个智能诊断模型，该模型在内部验证数据集的敏感性和特异性分别为93.3%和85.2%。在外部数据验证阶段，集成智能诊断模型的敏感性和特异性仍然高达93.1%和93.9%，超越拥有10年以上儿科超声经验的专家的诊断水平。
研究结果还发现，联合智能诊断模型和专家，可以使诊断的准确率进一步提高。为了进一步验证模型的外延性和稳定性，团队还对模型进行了胆囊动态视频和手机拍的胆囊照片的验证。结果显示，智能诊断模型仍然能够获得较高的准确率。基于这些结果，团队将智能诊断模型开发成一款微信小程序（已获软件著作权授权，微信搜索“婴儿胆闭超声智能识别”可以打开），并对其诊断价值进行了初步的验证（图）。最后，在类激活映射分析中，热图显示，智能诊断模型确实关注到胆囊轮廓，说明模型主要依靠胆囊形态进行诊断。
图：模型训练过程示意图
论文中的微信小程序已在微信平台上开放。在使用时，基层超声医生只需要按照要求，利用一台可以拍照并连接网络的智能手机，打开小程序对超声胆囊图像进行拍摄并上传照片，便可得到专家级别的诊断，这避免了从超声机器上拷贝图片再上传至在线软件上获得诊断提示的繁琐步骤，大大提高了工作效率。即便对于经验丰富的医生，这个智能诊断模型也帮助提高诊断的准确率。因此，该智能诊断模型具有非常广阔的应用前景。
论文共同第一作者是附属第一医院2020级博士生周文颖，中山大学计算机学院2018级硕士生杨扬，华中科技大学附属协和医院超声影像科余铖医师，四川大学华西医院超声医学科刘菊仙教授，共同通讯作者为附属第一医院谢晓燕教授、周路遥副教授及中山大学计算机学院王瑞轩副教授。论文的合作单位还包括：湖南省儿童医院超声科；福建省妇幼保健院超声科；广东省妇幼保健院超声科；南方医科大学附属何贤纪念医院超声科；佛山市第一人民医院超声科；中国医科大学附属盛京医院超声科。附属第一医院小儿外科刘钧澄教授团队、周李教授团队和附属第一医院精准医学研究院罗镇华教授对本研究给予了大力的支持。论文的共同通讯作者周路遥副教授长期从事胆道闭锁超声评估研究，前期已在影像医学顶级期刊Radiology及European Radiology上发表多篇相关研究论文。本研究是在前期研究基础上的又一次突破。
上述研究工作得到了国家自然科学基金青年基金项目、面上项目及重点项目(NO: 81501480, 81530055, 62071502 & U1811461)、国家重点研发项目（NO: 2018YFC1315402），广东省基础与应用基础研究基金（NO: 2019A1515010549）、广东重点研发项目（NO:2019B020228001, 2020B1111190001）、附属第一医院柯麟新星人才项目和中山大学高校青年教师培育项目的资助。
