入选2023中国医学人工智能代表性算法，达摩院AI助力精准放疗

近日，2023年度中国医学人工智能代表性算法评选结果出炉，由浙江大学医学院附属第一医院、阿里巴巴达摩院联合提出的“人体正常器官的分层分割模型”入选其中。该算法可高效分割42个器官，让放疗规划更精准，病人更受益，有效降低放疗对身体的损伤，并帮助医生减轻了90%的靶区勾画工作量。

据悉，中国医学人工智能代表性算法每年评选一次，每年不超过三项，由具有法人资质的单位或相关领域权威专家提名。本次评选由中国生物医学工程学会医学人工智能分会、中国工业与应用数学学会数学与医学交叉学科专业委员会、数学图像联盟组织评审，将于12月底的2023中国医学人工智能大会上颁奖。

放射治疗（RT）是治疗癌症的关键方式之一，其有效性与安全性高度依赖于靶区和危及器官的准确勾画。这要求医生在制定放射治疗规划时，对器官进行精准的分割勾画，最大限度将放射剂量集中在靶区，减少靶区周边的正常器官受到不必要的伤害。

举例来说，在对头颈部（H&N）癌症患者进行放射治疗时，需要限制正常解剖结构受到的辐射剂量，从而减少治疗后的并发症，如：口干、吞咽困难、视力损伤和认知能力下降等。

然而，想要手动精确规划如此多的危及器官（OAR）并非易事，需要耗费大量的临床专业知识和时间——平均在一个病人身上平均要花费3-4小时；不仅耗时耗力，而且容易出错，导致RT的有效性和安全性降低。

图为AI自动完成的放疗靶区勾画工作，红色为靶区，其他颜色为正常器官

但好消息是，近年来，基于深度学习的自动危及器官分割方法取得了巨大进展，极大地提高了器官分割的精度和效率，给医护人员和癌症患者带去了希望。

2022年10月，国际医学期刊Nature Communications刊登了浙大一院、达摩院联合研究团队提出了危及器官分层分割模型（SOARS）。这个自动化且高效的算法系统SOARS，构建了两个维度的分层深度学习框架，实现42个头颈部OARs的精准分割。

正如文首提及的那样，该算法也斩获了此次“2023年度中国医学人工智能代表性算法”。

doi: 10.1038/s41467-022-33178-z

具体来说，分层深度学习框架的搭建分为两个层面。

第一个分层学习是学习过程的分层（Process Stratification）。

为了开发SOARS，研究者采用2015-2018年期间、从中国台湾长庚医院收集到的176名患者数据，创建了培训验证数据集。其中，每个患者都接受了pCT扫描，且均以RT作为主要治疗手段。

根据共识指南或指南推荐的划定方法，拥有专业资质的放射肿瘤科医生手动划定了患者的OAR，每名患者均有42个OARs。值得注意的是，这些资深医生不仅在头颈部肿瘤专业领域有着超过10年的经验，每年治疗的患者人数高达100-300人，同时在临床实践中还非常熟悉和严格遵守共识指南。

SOARS方法

根据分割的难易程度和大小，研究者将头颈部的42个OARs分为3个层次，分别是锚点（Anchor），中级（Mid-level）和小而硬（Small&Hard，S&H）。过程来看，研究者首先分割出简单容易的锚点器官；再利用锚点器官帮助精准定位和分割中级和S&H器官；最后，采用先检测再分割的方式对S&H器官进行处理。

锚点OARs包括9个，分别是脑干、小脑、眼球（左和右）、下颌骨（左和右）、脊髓和颞下颌关节（左和右）。

中级OARs包括19个，分别是臂丛神经（左和右）、基底神经节（左和右）、收缩肌（下、中、上）、食道、声门和声门上喉、声门区、口腔、腮腺（左和右）、下颌下腺（左和右）、大脑颞叶（左和右）、甲状腺（左和右）。

S&H OARs包括14个，分别是耳蜗（左和右）、下丘脑、内耳（左和右）、泪腺（左和右）、晶状体（左和右）、视神经（左和右）、视交叉、松果体和脑下垂体。

上述42个OARs代表了最详细的头颈部OAR集之一，可作为其他机构检测和评估肿瘤患者时的超集（Superset）。此外，研究者还将该数据集进一步分为2组，80%用于训练和验证分割模型，另20%用于评估消融性能。

SOARS的消融性能

第二个是分层学习是用自动网络搜索技术（Network Architecture Search）。基于上述3个不同层次的器官组，研究者尝试找到最适合每组的网络结构。

除了培训验证时纳入的176名患者外，研究者还从多个医疗机构（中国台湾长庚医院、西安交通大学第一附属医院、浙江大学医学院第一附属医院等）的回顾性研究中共计收集到1503名头颈部肿瘤患者，从独立内部、多机构外部、多用户、公共头颈部OAR数据集等等多层面来评估SOARS系统的准确性。

研究流程图

第一步为独立内部测试数据集。与培训验证数据集的来源一致，另326名头颈部肿瘤患者也是从长庚医院收集来的，研究者首先采用这些患者的数据来测试算法系统SOARS。

定量比较结果显示，在42个OARs中，SOARS的平均Dice系数（DSC）达到74.8%，Hausdorff距离（HD）为7.9mm，平均表面距离为1.2mm。

与当时最先进的头颈部OAR分割法UaNet相比，本研究最新开发的算法系统SOARS有着明显的优势，尤其是在S&H OAR中差异最大。事实上，UaNet缺乏专门的分层学习系统来处理更多的OAR；而相比之下，SOARS采用了特有的处理工作流程和优化的网络架构，能够适应特定类别的OAR，自然有着更高的分割准确率。

326名患者的独立内部测试的定量比较结果

第二步是多机构外部测试数据集，即从中国不同地区的其他5个医疗机构收集到1001名患者的数据进行测试。为了确保不同机构之间参考OAR轮廓的准确性和一致性，研究者还邀请到高级医生对上述数据进行了深入的检查。

对整体的多机构外部数据进行评估后发现，在25个头颈部OARs中，算法系统SOARS的平均DSC、HD和ASD分别为78.0%、6.7mm和1.0mm。同样，与UaNet相比，SOARS的性能有明显的提高，25个OAR中有21个都优于前者。

由于各个医疗机构的具体RT治疗方案不同，外部机构的OAR数值也各不相同。但计算得到的这些定量性能指标与内部测试的水平基本相当，可见在大规模外部数据上SOARS依然保持着良好的通用性和准确性。

1001名患者的外部测试数据集的定量比较结果

第三步，为了进一步展示SOARS的性能，研究者还评估了两个公共的头颈部OAR数据集——MICCAI和StructSeg 2019。

MICCAI 2015数据集从北美招募了33名培训和15名测试患者，考虑了9个头颈部OARs；StructSeg 2019数据集则从中国大陆招募了50名培训和15名测试患者，检查了22个头颈部OARs。

结果并不令人意外，SOARS依然表现出非常高的准确性。当将SOARS算法系统直接运用于 MICCAI 2015数据集时，9个头颈部OARs中的平均DSC达到80.4%，高于最近提出的绝大多数算法。当使用MICCAI 2015训练集重新对SOARS进行训练后，平均DSC甚至提高到83.6%，遥遥领先于UaNet。类似的结果也出现在StructSeg 2019数据集中。

入选2023中国医学人工智能代表性算法，达摩院AI助力精准放疗

在内部和外部数据集上使用UaNet和SOAR进行定性的OAR分割

最后一步，也是非常关键的一步，为多用户测试数据集。研究者从2个外部机构随机选择了50名鼻咽癌（NPC）患者，形成了一个多用户测试的队列，来评估SOARS的临床适用性。

令人惊喜的是，SOARS产生的98%OAR在临床上可接受或仅需非常小的修订；仅有2%存在自动划线或轮廓错误，需要进行1-3分钟的轻微修改。一般来说，最需要修改的OAR类型为下丘脑、视交叉、食道、口腔、下颌下腺和颞叶。

具体来说，采用SOARS算法系统时，每位患者的42个OARs的平均编辑时间为10.3分钟。而相比之下，如果高级医生仅用纯手工进行标注，每名患者耗费的时间将延长到10.6.4分钟。

因此，在临床实践中，算法系统SOARS能够显著减少医生的工作量。当基于SOARS预测的数据进行编辑，确定42个OARs的时间将显著减少90%！

专家采用SOARS预测50名患者的42个OARs

当然，除了节省时间之外，SOARS算法系统的准确性也毋庸置疑，包括轮廓精度的准确性和剂量测量的准确性。

与专业医生手动录入相比，SOARS在全部的13个OARs的轮廓绘制中保持着较高的性能。具体的定量分析显示，算法系统SOARS在平均DSC、HD和ASD三个方面均比人工有着明显的改善，证明SOARS能够“替代”人类专家勾画出高质量的OARs，后续仅需少量的人工确认即可。

确认了轮廓精度后，研究者进一步证明了SOARS的直接和临床剂量测量的准确性。在50名患者的13个OARs中，SOARS预测得到的平均剂量和最大剂量的直接剂量测定差异分别为4.2%和3.3%。统计学上来看，该差异的数值明显小于专业医生人工计算得到的6.0%和4.4%。

OAR剂量学图

在梅斯医学看来，该项研究至少有3个方面的临床价值：省时、方便研究和教学及促进精准医疗。

首先，该研究为头颈部肿瘤患者提供了一种更精准、更安全、更高效的放射治疗方案。通过使用SOARS算法系统，医生可以自动分割出42个头颈部危及器官（与国际上现有的最好的分割算法相比，SOARS得到的结果提高了至少3-5%），最大限度地保护正常组织，减少辐射剂量和并发症，提高治疗效果和生存质量。这对于头颈部肿瘤患者来说是一项福音，也为放射肿瘤学的发展带来了新的可能性。

其次，它也为头颈部肿瘤的研究和教育提供了一种更便捷、标准的工具。通过使用SOARS算法系统，研究者可以快速地获取大量的高质量的头颈部OARs的数据，用于进行各种临床试验、流行病学分析等。同时，它也可以作为一种教学辅助，帮助医学生和住院医师学习和掌握头颈部OARs的划定方法和技巧。

最后，它还为头颈部肿瘤的个体化和精准医疗提供了支持。通过使用SOARS算法系统，医生可以根据每个患者的具体情况，用更少的时间和更低的成本，调整、优化放疗的参数，实现最佳的疗效和最小的副作用，从而使精准医疗真正成为可能。

达摩院医疗AI团队负责人、IEEE fellow吕乐表示，该算法展示出极大的器官分割性能与可扩展性。未来，不同科室也可根据各自的需求去定制模型。

更基于此算法，研究团队进一步研发了一个可持续分割143个全身器官的分割模型，克服了在数据集之间不可见的情形下，多器官分割中存在的遗忘现象，相关成果被计算机视觉顶会ICCV 2023收录，并在多个合作医院开始试用。期待未来有更多的临床医生和肿瘤患者能够从该算法中获益。

参考资料：

[1]Ye X, Guo D, Ge J, Yan S, Xin Y, Song Y, Yan Y, Huang BS, Hung TM, Zhu Z, Peng L, Ren Y, Liu R, Zhang G, Mao M, Chen X, Lu Z, Li W, Chen Y, Huang L, Xiao J, Harrison AP, Lu L, Lin CY, Jin D, Ho TY. Comprehensive and clinically accurate head and neck cancer organs-at-risk delineation on a multi-institutional study. Nat Commun. 2022 Oct 17;13(1):6137. doi: 10.1038/s41467-022-33178-z. PMID: 36253346; PMCID: PMC9576793.

[2]https://mp.weixin.qq.com/s/TbfMjeYhHavAG7Ck4wJNEA

撰文 | Swagpp

编辑 | Swagpp