清華大學醫(yī)學院廖洪恩團隊在人工智能挖掘影像基因組學領(lǐng)域合作成果發(fā)表系列論文，接軌... 時間：2018-09-15
清華大學醫(yī)學院生物醫(yī)學工程系特聘專家廖洪恩教授課題組通過人工智能技術(shù)學習大量腦干膠質(zhì)瘤患者的磁共振影像學特點，深度挖掘其與該基因的關(guān)聯(lián)，獲得醫(yī)生難以獲得的診斷經(jīng)驗。系列研究成果以題 “一種級聯(lián)的深度學習網(wǎng)絡(luò)用于腦干膠質(zhì)瘤的自動化分割及基因預測”（A Cascaded Deep Convolutional Neural Network for Joint Segmentation and Genotype Prediction of Brainstem Gliomas）在生物醫(yī)學工程領(lǐng)域知名期刊《IEEE生物醫(yī)學工程匯刊》（IEEE Transactions on Biomedical Engineering）上，并入選該雜志9月份的“熱點文章”（Featured Articles）。清華大學醫(yī)學院廖洪恩教授是該研究的通訊作者，博士生劉佳為該研究的第一作者，首都醫(yī)科大學附屬天壇醫(yī)院張力偉教授為共同通訊作者。同時，還在臨床核醫(yī)學領(lǐng)域知名期刊《放射治療與腫瘤學》（Radiotherapy and Oncology）上在線發(fā)表了題為“基于機器學習的利用磁共振成像和臨床參數(shù)特征預測腦干膠質(zhì)瘤H3 K27M突變的模型”（A Machine Learning-based Prediction Model of H3 K27M Mutations in Brainstem Gliomas using Conventional MRI and Clinical Features）。首都醫(yī)科大學附屬天壇醫(yī)院張力偉教授與清華大學醫(yī)學院廖洪恩教授是該研究的共同通訊作者，首都醫(yī)科大學附屬天壇醫(yī)院博士后泮長存和清華大學醫(yī)學院博士生劉佳為該研究的共同第一作者。上述兩項工作，一項實現(xiàn)了方法學的創(chuàng)新，采用人工智能技術(shù)學習大量腦干膠質(zhì)瘤患者的磁共振影像學特點，深度挖掘其與該基因的關(guān)聯(lián)；一項從臨床需求出發(fā)，利用機器學習探索影像學與基因的關(guān)聯(lián)度后建立易于使用的簡易預測模型。不僅幫助醫(yī)生獲得基因?qū)W的診斷依據(jù)，而且方法分析得到與基因關(guān)聯(lián)密切的影像學與臨床參數(shù)能夠提高醫(yī)生的診斷經(jīng)驗。
基于深度學習技術(shù)實現(xiàn)腦干膠質(zhì)瘤自動分割及H3 K27M基因預測，入選《IEEE生物醫(yī)學工程匯刊》2018年最新一期“熱點文章”（Featured Articles）
中國“腦計劃”（腦科學研究計劃）作為重大科技項目被列入“十三五”規(guī)劃。中國“腦計劃”主要有兩個研究方向：以探索大腦秘密、攻克大腦疾病為導向的腦科學研究，及以建立和發(fā)展人工智能技術(shù)為導向的類腦研究。腦疾病是我國乃至全球人口健康領(lǐng)域正面臨的重大挑戰(zhàn)。目前，絕大部分腦疾病尚無有效治療方法。而腦膠質(zhì)瘤是神經(jīng)外科腦疾病中非常重要的一部分，占腦部腫瘤的一半以上，其中腦干膠質(zhì)瘤是腦部腫瘤治療中最復雜、難度最大，也是致死和致殘率最高的原發(fā)性腫瘤。腦部腫瘤疾病的治療，若將腦干膠質(zhì)瘤攻破，對于腦部腫瘤的治療意義重大。
為了提高腦干膠質(zhì)瘤的診療水平，清華大學醫(yī)學院廖洪恩教授團隊與臨床緊密結(jié)合，首先在臨床數(shù)據(jù)上分析了腦干膠質(zhì)瘤（Brainstem Gliomas，BSG）疾病相關(guān)的特異性基因H3 K27M與患者生存曲線的關(guān)聯(lián)，表明了H3 K27M突變可用作BSG患者的診斷和治療選擇的合格生物標志物，該基因?qū)SG患者的治療及預后評估具有重要臨床意義。然后，從醫(yī)生的臨床診斷經(jīng)驗出發(fā)，提取BSG患者的磁共振影像特征結(jié)合采集到的臨床參數(shù)，利用機器學習技術(shù)建立預測模型，計算出腦干膠質(zhì)瘤患者發(fā)生H3 K27M基因突變的概率。在此基礎(chǔ)上，考慮到腦干膠質(zhì)瘤大多為彌漫內(nèi)生型橋腦膠質(zhì)瘤，腫瘤邊界模糊難以區(qū)分，對醫(yī)生的臨床經(jīng)驗要求高，且該腫瘤邊界的確定對后續(xù)的疾病治療至關(guān)重要。因此，研究團隊又進一步通過深度學習自動化提取腦干膠質(zhì)瘤區(qū)域，并進行影像組學特征提取，結(jié)合深度學習與機器學習技術(shù)，自動化分割腦干膠質(zhì)瘤的同時構(gòu)建出腦干膠質(zhì)瘤特異性H3 K27M基因突變發(fā)生的人工智能預測模型。實驗結(jié)果證明，該模型使神經(jīng)外科醫(yī)生能夠無創(chuàng)、術(shù)前預測腦干膠質(zhì)瘤患者發(fā)生H3 K27M基因突變的概率，幫助醫(yī)生對患者的預后進行更加有效的評估，制定更加個性化的治療方案。
磁共振影像特征提取與機器學習建立基因預測模型框架圖
在此之前，H3 K27M基因僅能通過立體定向活檢及腫瘤切除手術(shù)進行腫瘤樣本提取，然后送到基因測序中心進行基因測序才能獲得，經(jīng)濟成本很高，最重要的是這種有創(chuàng)的方法對患者身體的負擔更大。此外，目前醫(yī)生無法通過腦干腫瘤的磁共振影像進行預測H3 K27M基因突變的發(fā)生風險。研究團隊利用機器學習、深度學習、影像組學等技術(shù)，深度挖掘腦干膠質(zhì)瘤患者的磁共振影像學特征與特異性基因間的關(guān)聯(lián)，從而獲得醫(yī)生難以獲得的診斷經(jīng)驗。
兩例腦干膠質(zhì)瘤體積醫(yī)生標注（綠色）和分割結(jié)果（紅色）重疊三維可視化及基因預測不同方法比較結(jié)果
上述研究獲得北京市科學技術(shù)委員會、國家自然科學基金委、國家重點研發(fā)計劃“數(shù)字診療裝備研發(fā)”重點專項、北京市自然科學基金委等的經(jīng)費支持。
廖洪恩教授帶領(lǐng)的團隊“清華大學微創(chuàng)診療與三維影像實驗室”積極響應中國“腦計劃”的號召，與腦外科疾病診治領(lǐng)域國內(nèi)領(lǐng)先的北京天壇醫(yī)院、北京清華長庚醫(yī)院等臨床機構(gòu)深度合作，致力于解決腦外科精準診療的關(guān)鍵科學難題。從臨床需求出發(fā)，將信息學、電子學和醫(yī)學整合融匯，開展了智能醫(yī)學圖像處理、三維影像可視導航及智能機器人的研究與開發(fā)。先后提出并實現(xiàn)了基于術(shù)前術(shù)中多模態(tài)信息融合分析實時診療引導腦外科治療系統(tǒng)，智能型微創(chuàng)手術(shù)機器人輔助腦外科精準診療理論，三維影像空間透視融合導航技術(shù)等領(lǐng)先成果，為腦外科疾病的跨尺度多模態(tài)成像引導智能化精準診療理論的建立奠定了堅實的基礎(chǔ)。相關(guān)研究被國際知名學術(shù)期刊《診療》（Theranostics）、《醫(yī)學影像分析》（Medical Image Analysis）、《IEEE醫(yī)學影像匯刊》（IEEE Transaction on Medical Imaging）、《IEEE生物醫(yī)學工程匯刊》（IEEE Transactions on Biomedical Engineering）、《IEEE 生物醫(yī)學與健康信息學》（IEEE Journal of Biomedical and Health Informatics）等報道，團隊提出的應用于腦干組織分割的研究在2018年度物理與生物醫(yī)學工程國際學術(shù)會議（World Congress On Medical Physics& Biomedical Engineering）上還入選了“青年學者獎”（Young Investigator Award，入選率
版權(quán)與免責聲明：本網(wǎng)頁的內(nèi)容由收集互聯(lián)網(wǎng)上公開發(fā)布的信息整理獲得。目的在于傳遞信息及分享，并不意味著贊同其觀點或證實其真實性，也不構(gòu)成其他建議。僅提供交流平臺，不為其版權(quán)負責。如涉及侵權(quán)，請聯(lián)系我們及時修改或刪除。郵箱：sales@allpeptide.com