近日，中科院苏州生物医学工程技术研究所研究员高欣团队借助人工智能技术，提出一种基于多示例卷积神经网络的全自动诊断方法，大幅提升卵巢癌术前精准无创诊断的客观性与稳定性。相关研究发表于《磁共振成像杂志》。
　　复旦大学附属肿瘤医院教授吴小华表示，上皮性卵巢癌（EOC）即恶性上皮性卵巢肿瘤，是卵巢癌最主要类型，约占卵巢癌发病人数90%，其预后较差，五年生存率仅为35%。属于低度恶性的交界性上皮性卵巢肿瘤（BEOT），则具有较好的预后，五年生存率可达92%。
　　“我们构建了图像级多参数（EMP）模型和决策级多参数（LMP）模型。”高欣团队成员简俊明博士介绍说。
　　为验证上述模型的准确率，该研究团队将EMP和LMP模型的诊断性能与6位影像科医生组成的专家团队的表现进行了对比。结果显示，相比于6位影像科医生的平均水平（准确率79.7%），EMP模型与LMP模型都具有优秀的鉴别诊断能力，且后者准确率（88.4%）略高于前者（85.5%）。
　　专家表示，作为前期基于影像组学鉴别EOC与BEOT工作的延伸，虽然本研究中提出的模型诊断精度略有下降，但其摆脱了对病灶靶区精细勾画的依赖，客观性及稳定性更强，应用推广价值更高。借助该模型，放射科医生仅需确定肿瘤区域的最上和最下层面位置，便可实现全自动分类模型构建及预测。
　　相关论文信息：
　　https://doi.org/10.1002/jmri.28008
　　https://doi.org/10.1002/jmri.27084
　　（原载于《中国科学报》 2022-02-16 第3版 领域）