【资料图】

近日，解放军总医院第五医学中心肿瘤医学部梁萍教授团队在权威期刊《Lancet Digital Health》（《柳叶刀数字健康》）发表题为《基于超声图像开发肝包虫病诊断的深度学习模型的回顾性多中心研究》的论文。该研究由梁萍教授团队领衔，联合国内87家医院参与，开发出国际上首个基于超声图像对肝包虫病进行鉴别诊断的人工智能模型。

肝包虫病是一种寄生虫传染病，分为囊型和泡型两种类型。据估计，全球感染超过100万人，亚洲中部地区有2.7亿人面临感染肝包虫病的风险。泡型包虫病由于其侵袭性生长的特点，有“虫癌”之称，高发于青海、新疆、西藏及四川等地的牧区。囊型包虫病可导致邻近器官受压，囊包破裂可诱发发热、荨麻疹、体内播散，甚至导致过敏性休克。

该研究收集了2002年1月至2021年12月共9631张肝脏超声图像进行训练和测试，开发的人工智能模型能够将肝包虫病及其他肝脏局灶性病变进行准确鉴别，其诊断效能超过了肝包虫病流行区的高年资超声医生水平。低年资和中年资超声医生在AI的辅助下，其诊断肝包虫病的能力可分别提升10.7%和7.8%。

同时，模型还可以进一步准确鉴别出囊型包虫病、泡型包虫病、良性肝局灶性病变以及恶性肝局灶性病变。对于囊型包虫病，模型还可以将需要治疗的类型（有活性和过渡型）和不需要治疗的类型（无活性）准确鉴别。另外，对于疫区合并有乙肝/丙肝的患者，模型还可以对泡型包虫病及原发性肝癌进行准确鉴别。

该研究的发布为我国肝包虫病的准确诊断提供了新方法，也为我国西部地区的肝包虫病远程诊断提供了广阔应用前景。