CCF-GAIR 2020
您正在使用IE低版浏览器,为了您的雷锋网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
此为临时链接,仅用于文章预览,将在时失效
业界 正文
发私信给木子
发送

0

RSNA 2019 | 日本国立癌症中心&汇医慧影联合科研成果发表

本文作者:木子 2019-12-05 13:02
导语:发掘医疗数据非凡价值,汇医慧影期待与您同行。

语音播放文章内容

由深声科技提供技术支持

北美放射协会(RSNA)会议是全球范围内最权威的放射学会议,集结了全球最领先的先进技术及学术成果,代表着这一领域未来的发展方向。

RSNA 2019 | 日本国立癌症中心&汇医慧影联合科研成果发表

第105届北美放射学会年会(RSNA 2019)现场,主席Valerie P. Jackson教授在主旨演讲中提到:"放射医师本质上是有价值信息的守门人。" 医学影像数据在全部医疗数据中占比超80%,数据价值的释放逐渐成为临床诊疗外至关重要的一部分,在临床-科研-临床之间实现数据价值闭环,或将重新定义放射医师。

RSNA 2019 | 日本国立癌症中心&汇医慧影联合科研成果发表

前瞻AI与科研结合的无限可能,汇医慧影在17年初自主研发推出了国内第一个以AI赋能影像科研的划时代产品——Radcloud大数据人工智能科研平台。这是一个领先行业两年、首个实现产品化落地的AI科研平台,至今,Radcloud已与国内外400余家医院及医疗机构建立科研合作,海外合作覆盖美国、日本、俄罗斯、新加坡、韩国等。RSNA2019参会演讲者,日本国立癌症中心Hirofumi Kuno博士(日本国立癌症中心东区放射科科长),正是Radcloud平台用户之一。


RSNA 2019 | 日本国立癌症中心&汇医慧影联合科研成果发表

日本国立癌症中心设立于1961年,位于东京的中心地带,是日本癌症治疗的国立医疗机构,也是世界上屈指可数的癌症对抗中心之一,在癌症新药开发、临床试验和信息统计等方面发挥核心作用。 


RSNA2019会议期间,日本国立癌症中心使用RadCloud大数据人工智能科研平台产出的两篇论文——“探索从CT和MRI中提取机器学习分类器,预测舌头晚期鳞状细胞癌患者术后复发的风险”、“基于CT的放射组学分析预测局部晚期食管癌患者术前化疗后的病理反应”由Dr. Kuno分别于神经放射学/头颈部肿瘤专场及胸部(放射组学-恶性肿瘤)专场现场发表,面向全球分享影像前沿科研成果。

摘要一 探索从CT和MRI中提取机器学习分类器,预测舌头晚期鳞状细胞癌患者术后复发的风险

本文对81例晚期舌鳞状细胞癌(cT3-4或任何淋巴结转移)患者进行了回顾性研究。在 RadCloud 平台上,为每位患者从 CT 和 MRI 的 T2加权像(T2WI)和 T1加权像(Gd-T1WI)中提取共1409个放射组学特征。采用方差阈值法、SelectKBest法和 LASSO 算法逐步选出最优特征。使用计算机生成的随机数将70%的VOI分配给训练数据集,并将30%的VOI分配给每个成像集的验证数据集。使用六个监督学习分类器(KNN,SVM,XGBoost,RF,LR,DT)进行分类。通过ROC曲线分析来评估放射组学特征的预测性能。得出结论MRI(Gd-T1WI)可能是建立放射组学模型的最佳方法,尤其是使用KNN方法来预测晚期舌鳞癌术后复发的风险。基于MRI的放射组学特征可以为晚期舌鳞状细胞癌提供额外的定量信息,这些信息或将为术后辅助治疗的决策提供帮助。

摘要二 基于CT的放射组学分析预测局部晚期食管癌患者术前化疗后的病理反应

在这项回顾性研究中,基于133名LAEC患者的原始数据集建立放射组学模型。这些患者接受了增强CT扫描、术前化疗、手术治疗,根据手术切除标本的病理评价分为不良反应组和良好反应组。利用Radcloud平台从CT图像中提取定量影像特征,采用方差阈值法、SelectKBest法和LASSO算法逐步选择最优特征并降维。采用6种机器学习算法建立放射组学诺谟图。通过ROC曲线分析来评估放射组学特征的预测性能,包括训练(n=99 VOIs)和验证(n=41 VOIs)。用LASSO方法选出6个最优特征。Xgboost 模型的 ROC 曲线下面积(AUC)预测训练数据集的良好反应为0.893(95% CI; 0.79-0.99) ,验证数据集为0.761(95% CI; 0.65-0.87)。得出结论基于ct的放射学特征可以提供更多的疾病进展定量信息,或有助于改善LAEC患者术前管理的临床决策。

RSNA 2019 | 日本国立癌症中心&汇医慧影联合科研成果发表

Hirofumi Kuno博士(左三)一行

莅临汇医慧影展区交流

关于Radcloud大数据人工智能科研平台为放射组学研究带来的改变,Dr. Kuno表示:“:AI在科研领域应用引发的改变甚至比临床应用阶段更令人惊喜。在Radcloud平台上,我们的科研研究流程与日常阅片诊断几乎完全一致,由平台完成多维数据信息的综合、提取特征及人工智能建模,这让数据价值的挖掘,临床应用辅助决策触手可及。 ”

RSNA 2019 | 日本国立癌症中心&汇医慧影联合科研成果发表

产品展示区,Dr. Kuno对汇医慧影智能影像云及AI辅助诊断平台同样表示浓厚兴趣,期待更多覆盖诊疗、科研、影像云的智慧影像整体解决方案合作。

RSNA 2019 | 日本国立癌症中心&汇医慧影联合科研成果发表

汇医慧影Radcloud大数据人工智能科研平台,提供一站式分析工具,实现零技术基础的科研研究。以影像数据为驱动,领先支持影像数据、检查报告、病理图像、临床信息等数据进行管理与分析,集成50多种前沿深度学习、机器学习和影像组学算法,内置超1000种特征值分析工具,极大扩展科研数据分析维度,帮助医生找到人眼和人的经验无法总结出来的信息,辅助医生完成高价值的科研工作。

在两年产品化落地中,Radcloud历经4次升级迭代与功能完善,始终保持技术领先优势及行业前瞻优势,至今已服务Dr. Kuno在内的20000+医生用户,产出千篇高质量论文及摘要,成功申报各类科研基金近亿元。是国内用户量最大、研究课题最广的影像大数据科研产品。为让更多走在科研第一线的医务工作者享受智慧科研利好,加速科研成果转化,目前(截止至2019年12月31日)Radcloud产品限时开放试用申请。

针对有更高要求的科研课题及用户,汇医慧影科研部博士专家团队将专人专项提供科研服务支持,成员来自斯坦福、剑桥、清华、北大、中科院等国内外知名高校,拥有十余年影像处理经验,为医生科研保驾护航,促进科研课题高效转化,产出高质量的科研成果。    

RSNA 2019 | 日本国立癌症中心&汇医慧影联合科研成果发表

汇医慧影成立于2015年4月,是一家国家级医学影像人工智能高新技术企业,也是国际领先的医学影像人工智能技术服务商。截至汇医慧影目前已与国内1000多家医院完成合作,从科研到临床全流程覆盖,在智能影像云平台、数字智能胶片、人工智能诊断云平台、组学云平台的全流程影像平台市场占有率第一。这既是市场对于汇医慧影商业模式的正向反馈,也是全行业范围内产品布局发展方向的一次验证。汇医慧影将继续致力于大数据、人工智能、云计算等前沿技术赋能医疗创新,为智慧医院、分级诊疗、精准医疗量身定制影像智能解决方案。

发掘医疗数据非凡价值,汇医慧影期待与您同行。

雷锋网版权文章,未经授权禁止转载。详情见转载须知

分享:

文章点评:

表情
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说