2024医学影像人工智能在胰腺癌精准诊疗中的应用（全文）.pdf

2024医学影像人工智能在胰腺癌精准诊疗中的应用（全文）

胰腺癌是一种发病隐匿，进展迅速，治疗效果及预后极差的消化道恶性肿

瘤，5年生存率低千10%。近年来，胰腺癌的发病率在国内外均呈明显的

上升趋势。对千如何精准地诊断胰腺癌，选择治疗策略、评估治疗效果以

及预后的预测，专家学者们进行了大量的探索。人工智能(AI)泛指为执

行以前只能由人类智能完成的任务而创建的算法，其包括了放射组学、深

度学习模型等，放射组学提供了一种将图像转换为统计上可解释和可量化

的数据的方法，而深度学习是另一种类型的机器学习，通过学习样本数据

的内在规律和表示层次，使机器能像人一样具有分析学习能力，能最大限

度地减少人类输入。目前，医学影像AI在疾病诊疗中发挥着重要的作用。

本综述将从影像诊断、疗效评估、生存期预测及放射基因组学等多方面对

AI在胰腺癌精准诊疗中的研究进展进行讲述。

一、医学影像AI的应用现状及进展

目前，AI已经广泛应用千医学领域，如影像诊断、病理分型、治疗方案选

择、预后疗效分析等，在大数据和机器学习的技术支持下，基千AI的各

种临床决策支持系统应运而生。在肿瘤的影像图像辅助诊断方面，由人工

输入反复精准训练得出的机器运算模型用千临床诊疗的研究过程已经日

趋成熟。影像组学和深度学习是AI辅助医学影像诊疗的重要研究方法，

它们可以依据事先标记好的数据进行训练，以此对未标记的医学影像数据

进行分类和预测，在影像精准诊断及图像分割中体现了重要的价值。深度

学习还可以通过结合患者的个人病史、家族史、既往影像报告和基因组学

等来预测个体患癌症的风险。

此外，在医学图像质量方面，AI也发挥了巨大的作用，李刚等利用以深度

学习为基础的AI辅助压缩感知技术联合3种常规T2加权成像(T2WI)

压脂技术均缩短了成像时间，并且拥有较高的图像质量。与此同时，基千

影像图像对千肿瘤预后、分型等预测模型的构建也日益从基千单期影像转

ET/CT

变为多期、多序列影像，甚至应用P、MR图像联合其他参数来构

建多模态模型。Attiyeh等利用糖类抗原19-9(CA19-9)值和CT组学特

征建立第一个模型，而将CA19-9、CT组学特征和Brennan评分（复合

病理评分）结合成第二个模型，以预测胰腺癌患者的生存期，得出第二个

模型的C指数较高，这体现了多模态模型的优势。在其他肿瘤中，Li等

(2023年）在预测胶质瘤预后中，构建了包括影像组学特征、病理指标、

基因等多参数的组合模型，该模型具有最佳预测性能，体现了在肿瘤诊

过程中多模态模型构建的必要性。

此外，免疫检查点疗法是新型的肿瘤治疗方式，在黑色素瘤、非小细胞肺

癌中已展示出了较好的疗效，其相关免疫检测点的预测及免疫治疗后评估

是AI的另一个有前景的应用，Yoon等(2020年）验证了CT放射组学

序(P

在预测晚期肺腺癌中细胞程性死亡－配体1D-L1)表达的价值，但该

领域目前仍处千起步探索阶段。对千胰腺癌患者来说，基千医学影像的

AI精准诊疗显得格外重要。

二、基千AI的胰腺癌多模态影像诊断研究进展

1、超声检查

超声检查因简便易行、无创无辐射、可多轴面观察等特点，是胰腺癌诊断

的初筛检查方法。AI辅助内窥镜超声(EUS)模型被誉为胰腺癌早期检测

的突破，超声内镜在胰腺癌诊断中具有重要作用。Seo等通过对150例被

诊断为胰腺癌的患者超声图像进行分割建模，提出的使用具有深度注意力

特征的神经网络模型的深度