4月15日，北京郵電大學(xué)信息與通信工程學(xué)院王光宇（研究員、博導(dǎo)）在頂級(jí)國(guó)際學(xué)術(shù)期刊《自然》子刊 （Nature Biomedical Engineering）在線發(fā)表文章，提出了基于X-ray影像的肺部疾病通用智能識(shí)別框架，并對(duì)肺炎進(jìn)行檢測(cè)和嚴(yán)重程度評(píng)估。此智能系統(tǒng)通過(guò)了多中心、真實(shí)世界場(chǎng)景的臨床驗(yàn)證，并且在新冠肺炎的智能分診的科技應(yīng)對(duì)疫情過(guò)程中發(fā)揮作用。此項(xiàng)工作的代碼和數(shù)據(jù)集發(fā)布到了國(guó)家生物信息中心云平臺(tái)，是目前國(guó)內(nèi)最大規(guī)模、多臨床場(chǎng)景的胸部X光片公開(kāi)數(shù)據(jù)集，希望進(jìn)一步推動(dòng)信息領(lǐng)域與生物醫(yī)學(xué)的創(chuàng)新交叉研究工作。

本論文由北京郵電大學(xué)等國(guó)內(nèi)外多家機(jī)構(gòu)合作完成，王光宇老師為第一作者及通訊作者，北京郵電大學(xué)為第一完成單位¹，這也是我校首次以第一完成單位在該期刊發(fā)表研究成果。

圖1. 真實(shí)世界場(chǎng)景下肺部疾病的通用智能識(shí)別框架

目前，基于數(shù)據(jù)驅(qū)動(dòng)的人工智能方法在醫(yī)學(xué)影像的領(lǐng)域中不斷突破。然而在復(fù)雜、開(kāi)放的真實(shí)場(chǎng)景下進(jìn)行臨床驗(yàn)證時(shí)，仍存在諸多挑戰(zhàn)。尤其是在新冠疫情期間，各國(guó)的計(jì)算機(jī)科學(xué)家們發(fā)布了上千種機(jī)器學(xué)習(xí)算法，認(rèn)為這些算法能根據(jù)胸部 X 光片、CT 圖像診斷或預(yù)測(cè)新冠肺炎。然而劍橋大學(xué)的一項(xiàng)研究發(fā)現(xiàn)，由于算法偏見(jiàn)和不可重復(fù)性等問(wèn)題，科學(xué)論文和預(yù)印本提到的相關(guān)機(jī)器學(xué)習(xí)算法很少具有潛在的臨床應(yīng)用價(jià)值²。

為解決智慧醫(yī)療場(chǎng)景中所面臨的這些挑戰(zhàn)，團(tuán)隊(duì)從魯棒的AI框架設(shè)計(jì)、高質(zhì)量的數(shù)據(jù)集構(gòu)建，多中心臨床驗(yàn)證等層面開(kāi)展深入的研究工作，并經(jīng)過(guò)了嚴(yán)格的同行評(píng)議過(guò)程。對(duì)此項(xiàng)研究成果，王光宇老師也應(yīng)期刊編輯邀請(qǐng)?jiān)?em style="box-sizing: border-box;">Nature Portfolio Community發(fā)表了評(píng)論和深度解讀³。

具體地，X-ray影像作為醫(yī)學(xué)重要的輔助診斷工具，相較于實(shí)驗(yàn)室里進(jìn)行的分子學(xué)檢測(cè)，速度快，能更直觀地觀察到肺部的病理學(xué)特征及變化。因此，開(kāi)發(fā)智能影像AI系統(tǒng)可以幫助臨床醫(yī)生進(jìn)行快速診斷并預(yù)測(cè)危重等級(jí)，這在醫(yī)療系統(tǒng)超負(fù)荷的情況下具有尤其重要的臨床應(yīng)用價(jià)值。在方法層面，研究團(tuán)隊(duì)提出了基于胸部X-ray圖像的通用處理框架。由于X-ray拍攝容易出現(xiàn)扭曲、變形、飾物遮擋等問(wèn)題，通過(guò)關(guān)鍵點(diǎn)檢測(cè)，智能矯正和肺部-病灶分割等模塊，可以將X-ray圖像進(jìn)行自動(dòng)的預(yù)處理和標(biāo)準(zhǔn)化。此外，臨床影像報(bào)告的敘述中包含許多身體部位和健康狀況的關(guān)鍵信息，是臨床診斷和疾病治療證據(jù)的主要組成部分。我們基于影像報(bào)告，通過(guò)自然語(yǔ)言處理技術(shù)抽取了影像發(fā)現(xiàn)和疾病標(biāo)簽, 包括肺炎、胸腔積液、肺腫塊等等。由于同一張X-ray影像中多種影像發(fā)現(xiàn)/疾病常常并存，研究團(tuán)隊(duì)設(shè)計(jì)了新穎的多標(biāo)簽分類模型，可以對(duì)臨床場(chǎng)景下的肺部疾病進(jìn)行精準(zhǔn)識(shí)別。最終，該智能識(shí)別系統(tǒng)經(jīng)受住了真實(shí)世界研究的考驗(yàn)--在來(lái)自4個(gè)隊(duì)列的不同臨床場(chǎng)景，及多國(guó)家的數(shù)千張外部影像數(shù)據(jù)上，進(jìn)行回顧性和前瞻性測(cè)試均具有良好的泛化性能。

圖2. AI 系統(tǒng)輔助臨床流程

在這項(xiàng)工作中，科研團(tuán)隊(duì)采用了多源多中心的14萬(wàn)張胸部X-ray圖像構(gòu)建了深度學(xué)習(xí)系統(tǒng)。這是國(guó)內(nèi)乃至世界上首個(gè)多臨床場(chǎng)景的胸部X-ray影像公開(kāi)數(shù)據(jù)集⁴。已有的開(kāi)源胸部X-ray數(shù)據(jù)來(lái)源于國(guó)外住院人群，如斯坦福大學(xué)團(tuán)隊(duì)發(fā)布的ChestX-ray14。相比較于已有開(kāi)源數(shù)據(jù)集，這個(gè)數(shù)據(jù)集包括了多種臨床真實(shí)場(chǎng)景和人群，如住院、門診、體檢。比如，其中的體檢數(shù)據(jù)集包含大量健康數(shù)據(jù)，門診包含不同肺部異常的輕癥患者，可以供研究者對(duì)健康人群建模，構(gòu)建疾病異常檢測(cè)AI系統(tǒng)。該研究數(shù)據(jù)集已經(jīng)通過(guò)國(guó)家生物信息中心平臺(tái)發(fā)布，以協(xié)助來(lái)自不同國(guó)家和地區(qū)的研究團(tuán)隊(duì)和臨床醫(yī)生開(kāi)展研究。

頂尖的成果背后

是優(yōu)秀北郵人的不懈奮斗

讓我們一起來(lái)認(rèn)識(shí)下！