棘球菌病是一種人畜共患病寄生蟲病，繼續是一個重大的公共衛生問題，導致全球約85萬殘疾調整生命年。棘球菌病主要發生在肝髒，導致肝內棘球菌病，形成肝髒病變，導致殘疾甚至死亡。迫切需要將肝棘球菌病與其他常見類型的肝髒病變區分開來，如肝囊腫和將肝棘球菌病分型為肺泡和囊性形式，因為它們有不同的治療方法和預後。肝棘球菌的流行地區包括東非、中亞、中東和中國西部，特別是這些地區欠發達的農村地區。不幸的是，這些地區麵臨合格醫生和其他醫務人員的短缺，增加了肝棘球菌病誤診和錯誤分類的風險。

        CT是檢測肝棘球菌病和亞型的重要醫學成像技術。與另一種常用的肝棘球菌篩查方法超聲檢查相比，CT遵循標準化流程並自動工作;因此，它更客觀，使醫生無需自行執行複雜的程序。CT允許以標準方式捕獲疾病相關信息12，與超聲波一樣，沒有經驗的操作員不會錯過重要功能。

        基於標準CT掃描的診斷對放射科醫生提出了很高的需求，但人工智能(AI)可用於幫助基於CT掃描的診斷和分型肝棘球菌病。近年來，人工智能輔助的放射診斷技術已大大改進，並已應用於不同疾病的診斷。假設人工智能係統可以增強肝棘球菌病檢測和亞型的CT分析，從而緩解醫務人員不足和缺乏專業知識的問題。

        2023年9月26日發表在Lancet Digit Health的文章，研究人員旨在開發一個人工智能係統(EDAM;棘球菌病診斷AI systeM)，用於在患者層麵對普通CT圖像進行自動肝棘球菌病檢測和分型，以減輕農村地區的公共衛生負擔，並協助放射科醫生和臨床醫生進行CT圖像解釋。

        為此，研究人員培訓並測試了EDAM，以可解釋的注意力評分區分囊性棘球菌病和肺泡棘球菌病和正常對照組(無肝髒病變)，並將EDAM與52名經驗豐富的放射科醫生進行了比較。本文設計了EDAM來平衡樣本大小和模型複雜性，使其在對相對較小的數據集進行訓練時能夠實現通用性能。為了進一步評估概括能力，研究人員還用外部驗證隊列驗證了EDAM。

        本文開發了棘球菌診斷AI係統EDAM，以提供準確和可推廣的CT分析，以區分肝棘球菌病和肝囊腫和正常對照(無肝髒病變)，以及將肝棘球菌病亞型為肺泡或囊性棘球菌病。EDAM包括用於病變分類和分割的切片級預測模型以及用於患者分類的患者級診斷模型。

        研究人員收集了一個簡單的CT數據庫(n=700：395囊性棘球菌病、122個肺泡棘球菌病、130個肝囊腫和53個正常對照組)，以及另外兩個獨立的隊列(n=156)，用於外部驗證其性能和泛化能力。研究人員與52名經驗豐富的放射科醫生在診斷和亞型肝棘球菌病方麵的表現進行了比較。

        研究結果顯示，EDAM在內部測試數據(接收器操作特征曲線下的總體區域[AUC]：0·974 [95% CI 0·936–0·994];準確性：0·952 [0·939–0·965]用於囊腫性棘球菌病，0·981 [0·973–0·989]用於肺泡菌球菌;敏感性：0·966 [0·951–0·979]用於囊性棘球菌病，0·944 [0·908–0·970]用於肺泡菌斑球菌病)和外部測試集(總體AUC：0·953 [95% CI 0·840–0·973]。

        準確性：0·929 [0·915–0·947]用於囊腫性棘球菌病;0·919–0·950]用於肺泡性棘球菌;敏感性：0·913 [0·879EDAM的靈敏度在不同CT製造商的圖像中是強大的。EDAM在檢測肺泡棘球菌病和囊性棘球菌病方麵優於大多數注冊放射科醫生。

        綜上所述，本文開發了EDAM來檢測和亞型肝棘球菌病，並將其與肝囊腫和正常對照區分開來，其水平比經驗豐富的放射科醫生更準確。本文的方法可以通過協助放射科醫生和臨床醫生以端到端的方式診斷和篩查肝棘球菌病以及分割病變區域來應用於臨床應用，從而彌補欠發達農村地區缺乏經驗豐富的放射科醫生的缺乏。此外，EDAM的方法可以擴展到其他相關疾病，以滿足更多的臨床需求。期待在對更多人群的前瞻性研究中測試和完善EDAM，以幫助世界各地一直在努力診斷該疾病的當地衛生工作者。

        原始出處

        Wang Z, Bian H, Li J, Xu J, Fan H, Wu X, Cao Y, Guo B, Xu X, Wang H, Zhang L, Zhou H, Fan J, Ren Y, Geng Y, Feng X, Li L, Wei L, Zhang X. Detection and subtyping of hepatic echinococcosis from plain CT images with deep learning: a retrospective, multicentre study. Lancet Digit Health. 2023 Nov;5(11):e754-e762. doi: 10.1016/S2589-7500(23)00136-X.