棘球菌病是一种人畜共患病寄生虫病，继续是一个重大的公共卫生问题，导致全球约85万残疾调整生命年。棘球菌病主要发生在肝脏，导致肝内棘球菌病，形成肝脏病变，导致残疾甚至死亡。迫切需要将肝棘球菌病与其他常见类型的肝脏病变区分开来，如肝囊肿和将肝棘球菌病分型为肺泡和囊性形式，因为它们有不同的治疗方法和预后。肝棘球菌的流行地区包括东非、中亚、中东和中国西部，特别是这些地区欠发达的农村地区。不幸的是，这些地区面临合格医生和其他医务人员的短缺，增加了肝棘球菌病误诊和错误分类的风险。

CT是检测肝棘球菌病和亚型的重要医学成像技术。与另一种常用的肝棘球菌筛查方法超声检查相比，CT遵循标准化流程并自动工作；因此，它更客观，使医生无需自行执行复杂的程序。CT允许以标准方式捕获疾病相关信息12，与超声波一样，没有经验的操作员不会错过重要功能。

基于标准CT扫描的诊断对放射科医生提出了很高的需求，但人工智能（AI）可用于帮助基于CT扫描的诊断和分型肝棘球菌病。近年来，人工智能辅助的放射诊断技术已大大改进，并已应用于不同疾病的诊断。假设人工智能系统可以增强肝棘球菌病检测和亚型的CT分析，从而缓解医务人员不足和缺乏专业知识的问题。

2023年9月26日发表在Lancet Digit Health的文章，研究人员旨在开发一个人工智能系统（EDAM；棘球菌病诊断AI systeM），用于在患者层面对普通CT图像进行自动肝棘球菌病检测和分型，以减轻农村地区的公共卫生负担，并协助放射科医生和临床医生进行CT图像解释。

为此，研究人员培训并测试了EDAM，以可解释的注意力评分区分囊性棘球菌病和肺泡棘球菌病和正常对照组（无肝脏病变），并将EDAM与52名经验丰富的放射科医生进行了比较。本文设计了EDAM来平衡样本大小和模型复杂性，使其在对相对较小的数据集进行训练时能够实现通用性能。为了进一步评估概括能力，研究人员还用外部验证队列验证了EDAM。

本文开发了棘球菌诊断AI系统EDAM，以提供准确和可推广的CT分析，以区分肝棘球菌病和肝囊肿和正常对照（无肝脏病变），以及将肝棘球菌病亚型为肺泡或囊性棘球菌病。EDAM包括用于病变分类和分割的切片级预测模型以及用于患者分类的患者级诊断模型。

研究人员收集了一个简单的CT数据库（n=700：395囊性棘球菌病、122个肺泡棘球菌病、130个肝囊肿和53个正常对照组），以及另外两个独立的队列（n=156），用于外部验证其性能和泛化能力。研究人员与52名经验丰富的放射科医生在诊断和亚型肝棘球菌病方面的表现进行了比较。

研究结果显示，EDAM在内部测试数据（接收器操作特征曲线下的总体区域[AUC]：0·974 [95% CI 0·936–0·994]；准确性：0·952 [0·939–0·965]用于囊肿性棘球菌病，0·981 [0·973–0·989]用于肺泡菌球菌；敏感性：0·966 [0·951–0·979]用于囊性棘球菌病，0·944 [0·908–0·970]用于肺泡菌斑球菌病）和外部测试集（总体AUC：0·953 [95% CI 0·840–0·973]。

本研究中介绍的数据和拟议的深度学习框架EDAM概述

准确性：0·929 [0·915–0·947]用于囊肿性棘球菌病；0·919–0·950]用于肺泡性棘球菌；敏感性：0·913 [0·879EDAM的灵敏度在不同CT制造商的图像中是强大的。EDAM在检测肺泡棘球菌病和囊性棘球菌病方面优于大多数注册放射科医生。

综上所述，本文开发了EDAM来检测和亚型肝棘球菌病，并将其与肝囊肿和正常对照区分开来，其水平比经验丰富的放射科医生更准确。本文的方法可以通过协助放射科医生和临床医生以端到端的方式诊断和筛查肝棘球菌病以及分割病变区域来应用于临床应用，从而弥补欠发达农村地区缺乏经验丰富的放射科医生的缺乏。此外，EDAM的方法可以扩展到其他相关疾病，以满足更多的临床需求。期待在对更多人群的前瞻性研究中测试和完善EDAM，以帮助世界各地一直在努力诊断该疾病的当地卫生工作者。

原始出处

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.

Tags： Lancet Digit Health：通过深度学习从普通CT图像中检测肝棘球菌病