近日，由解放军总医院介入超声科梁萍教授、于杰教授牵头，与福建省乳腺癌精准诊治重点实验室主任、北京大学肿瘤医院云南医院（云南省肿瘤医院）张国君教授团队合作在Lancet子刊eClinicalMedicine（中科院1区Top期刊，影响因子9.6）发表“Development and validation of an ultrasound-based interpretable machine learning model for the classification of ≤3cm hepatocellular carcinoma: a multicentre retrospective diagnostic study”的研究论文，阐述了基于肝脏灰阶超声和机器学习算法构建的一种肝脏结节诊断模型，用于≤3cm肝细胞肝癌（小肝癌）的精准诊断。该模型表现出比超声医师更好的诊断效果，并且超声医师在模型的辅助下可以显著提升对小肝癌的诊断能力。厦门大学医学院博士研究生杜智铖、解放军总医院介入超声科医师范芳莹为论文的共同第一作者，解放军总医院介入超声科梁萍教授、于杰教授和北京大学肿瘤医院云南医院（云南省肿瘤医院）张国君教授为论文的共同通讯作者。该研究得到国家重点研发计划、国家自然科学基金和云南省科技厅社会发展重点研发计划等基金的资助。
≤3cm的肝细胞肝癌在临床上定义为小肝癌，其在临床上治疗效果好，早期发现和治疗能够减少复发，改善预后。目前小肝癌在临床上的影像诊断依赖价格昂贵、耗时的增强影像检查（增强MRI、增强CT和超声造影）。灰阶超声作为肝脏疾病筛查的第一道防线，具有经济、无创、无辐射、实时和普及范围广的优点，但是灰阶超声因为缺乏血流灌注信息对肝细胞肝癌特别是小肝癌诊断的准确率不佳、且高度依靠医生经验。为了解决以上临床痛点，解放军总医院梁萍、于杰教授带领团队规范化收集全国55个中心的1058例≤3cm肝脏结节的灰阶超声数据，与云南省肿瘤医院张国君教授团队合作开发了基于灰阶超声的小肝癌高精度智能诊断模型。
本研究收集了肝脏结节的灰阶超声图像、超声报告和临床信息，通过提取超声图像中肝结节的影像组学特征，超声报告中的语义特征和临床特征，结合机器学习算法（XGBoost）构建了针对小肝癌的诊断模型ModelURC。该诊断模型在外部验证队列中诊断准确率可达到85.9%，显著优于低年资（70.6%）和高年资超声医师（73.5%）。此外，在ModelURC的辅助下，低年资和高年资超声医师的诊断准确性分别提高了16.0%和14.0%，且低年资超声医师可获得与高年资超声医师相当的诊断效能。同时ModelURC在不同肿瘤大小、肝癌风险人群中均具有稳定的性能表现。
ModelURC通过有效整合灰阶超声图像、超声报告和临床信息，实现小肝癌的准确诊断，可辅助提高各年资超声医生的诊断能力。其可降低灰阶超声对医生经验的依赖，为肝结节患者减少进一步进行增强影像诊断的费用和等待时间，早期精准对小肝癌进行无创诊断，促进治疗窗口前移，在临床应用中具有巨大潜力。
张国君教授致力于乳腺癌基础和临床研究30余年，在乳腺癌发生发展与转移机制、精准外科手术导航等方面取得诸多创新性成果，在国内较早开展分子影像技术导引的恶性肿瘤外科手术导航，并迅速地转化到临床、指导临床决策。在Nature Medicine, Nature Protocols, Signal Transduction and Targeted Therapy, Science Translational Medicine, Advanced Science, Cancer Research等国际知名学术期刊上发表论文160余篇。主要研究方向有：1.乳腺癌的基础研究；2.分子影像学与肿瘤精准治疗的临床转化研究；3.智能医学与肿瘤多学科综合诊治研究。欢迎广大优秀学子及临床、科研人员报考硕、博研究生及博士后合作研究。邮箱：zhangguojun@kmmu.edu.cn
