JACI (IF=14.11) | 重磅！人工智能在鼻息肉诊断方面达到专家水平

慢性鼻-鼻窦炎（CRS）是指鼻腔和鼻窦黏膜的慢性炎症，全世界有上亿人受其影响。而其中，尤以嗜酸性粒细胞型慢性鼻-鼻窦炎鼻息肉最难诊治。近几年来人工智能（AI）技术特别是深度学习在医学影像、病理等方面取得了巨大成功，AI能否应用于鼻息肉诊断是许多有条件的研究机构拼力尝试的。2019年12月9日，中山大学附属第三医院耳鼻咽喉头颈外科杨钦泰教授、清华珠三角研究院韩蓝青教授等联合团队在国际权威杂志《过敏与临床免疫学杂志》（JACI，IF=14.11）在线发表题为 Expert-level Diagnosis of Nasal Polyps Using Deep Learning on Whole-slide Imaging 的文章，报道AI在鼻息肉诊断上取得了突破性进展。公众号回复【加群】进入医疗AI交流群。

临床研究表明，鼻息肉不同的病理类型预后差异明显，其中以嗜酸性粒细胞型鼻息肉最难诊治，对其病理分型有利于个体化精准治疗和预后。现有鼻息肉病理诊断分型方法是基于患者病理切片，在数千个高倍视野中随机选取10个进行评估和诊断的，抽样导致准确性存在偏倚。若通过病理医生进行全片（全数据）计数和评估可以避免这种误差，但工作量非常大，且基层医院难于开展。随着近年来深度学习（AI）和数字病理的高速发展，将两种技术进行融合可以完美的解决这一系列问题。

2019年12月9日，中山大学附属第三医院耳鼻咽喉头颈外科杨钦泰教授（通讯作者）团队，联合清华珠三角研究院韩蓝青教授（共同通讯作者）、任勇研究员（共同第一作者）、中山大学附属第三医院病理科陈健宁教授（共同第一作者），以及中山大学附属第一医院孙悦奇教授、中山大学附属第五医院洪海裕教授等，在国际过敏与变态反应领域排名第一的权威期刊《过敏与临床免疫学杂志》(The Journal of Allergy and Clinical Immunology，IF = 14.11) 在线发表了最新研究成果—— Expert-level Diagnosis of Nasal Polyps Using Deep Learning on Whole-slide Imaging 。

文章回顾性收集了中山大学附属第三医院 1465 张鼻息肉玻片，筛选出 195 张进行全片扫描和数字化，由病理专家组进行 ROI 标记并生成了 26589 个 1000*1000 分辨率的高倍视野，基于深度学习技术搭建了全球第一个鼻息肉病理AI诊断平台（AICEP）。

AICEP原理，图源：论文截图

在可解释性方面，研究团队采用特征可视化技术对嗜酸性粒细胞与非嗜酸性粒细胞进行了特征区分，结果与病理形态学诊断特征一致。同时，团队成员还对诊断耗时进行了比较，采用现有病理医生随机抽取 10 个视野的方法计数和诊断一个鼻息肉患者平均需要 12.7 分钟，病理医生若进行全片视野进行完整计数和诊断平均需要 148.6 分钟，而AICEP进行一个全片诊断只需要 5.4 分钟，大大节约了时间成本和人力成本。据了解，AICEP平台将进行云化及模块化，通过云平台将专家级的鼻息肉病理诊断水平拓展到基层医疗机构。