(通訊員張康輝) 8月12日，醫(yī)學(xué)信息學(xué)/衛(wèi)生保健科學(xué)與服務(wù)領(lǐng)域頂刊npj Digital Medicine（《數(shù)字醫(yī)學(xué)》)發(fā)表研究論文“A multicenter study on two-stage transfer learning model for duct-dependent CHDs screening in fetal echocardiography”（《一項(xiàng)在胎兒超聲心動(dòng)圖中使用兩階段遷移學(xué)習(xí)模型進(jìn)行導(dǎo)管依賴性先天性心臟病篩查的多中心研究》）。我院2020級(jí)博士生唐嘉杰為第一作者，2023級(jí)博士生姜鈺璇為第三作者，2021級(jí)博士生張康輝和2022級(jí)博士生祝帆帆參與研究。我院盧龍教授為共同通訊作者。

該研究聚焦使用遷移學(xué)習(xí)技術(shù)進(jìn)行導(dǎo)管依賴性先天性心臟病的智能篩查。導(dǎo)管依賴性先天性心臟病是一種嚴(yán)重的先天性心臟疾病，在欠發(fā)達(dá)國(guó)家和地區(qū)的檢出率尤其較低。雖然已有研究致力于分析胎兒心臟結(jié)構(gòu)識(shí)別模型，但對(duì)胎兒心臟的主動(dòng)脈長(zhǎng)軸的綜合評(píng)價(jià)仍然相對(duì)欠缺。該研究采用了6698張圖像和48段視頻，開(kāi)發(fā)并測(cè)試了一個(gè)名為DDCHD-DenseNet的兩階段深度遷移學(xué)習(xí)模型，用于便捷和快速地篩查嚴(yán)重的導(dǎo)管依賴性先天性心臟病。該模型在四個(gè)多中心測(cè)試集上分別取得了0.973、0.843、0.769和0.759的靈敏度，以及0.985、0.967、0.956和0.759的特異性。熱力圖分析結(jié)果顯示該模型能夠準(zhǔn)確聚焦超聲影像中的病灶區(qū)域，人機(jī)對(duì)比結(jié)果表明該模型在目標(biāo)切面的疾病篩查效果優(yōu)于中級(jí)職稱醫(yī)生，并接近高級(jí)職稱醫(yī)生。綜合結(jié)果表明，DDCHD-DenseNet有望成為一種有前途的可用于分級(jí)護(hù)理和計(jì)算機(jī)輔助診斷的自動(dòng)篩查工具。該研究促進(jìn)了人工智能技術(shù)在產(chǎn)前診斷領(lǐng)域的應(yīng)用，拓寬了基于數(shù)據(jù)驅(qū)動(dòng)的人工智能技術(shù)在醫(yī)學(xué)信息領(lǐng)域的研究范圍。

此外，該研究還初步探討了真實(shí)臨床場(chǎng)景中的醫(yī)療資源利用問(wèn)題。針對(duì)現(xiàn)有研究中排除未滿足實(shí)驗(yàn)條件的醫(yī)療數(shù)據(jù)而造成部分醫(yī)療知識(shí)被浪費(fèi)的情況，提出了一種遷移學(xué)習(xí)方法，借鑒人類學(xué)習(xí)遷移模式的靈感，通過(guò)設(shè)置由易到難和由難到易的深度學(xué)習(xí)模式進(jìn)行知識(shí)遷移，實(shí)驗(yàn)證明了該方法在數(shù)據(jù)驅(qū)動(dòng)開(kāi)發(fā)過(guò)程中能夠利用通常被舍棄的非特定數(shù)據(jù)集中的醫(yī)療知識(shí)，為臨床場(chǎng)景中醫(yī)學(xué)數(shù)據(jù)的治理和利用提供了新的研究方向。

據(jù)悉，npj Digital Medicine是中國(guó)科學(xué)院醫(yī)學(xué)一區(qū)Top期刊，目前影響因子為15.2。Web of Science 期刊分區(qū)為Q1，在全球105個(gè)衛(wèi)生保健科學(xué)與服務(wù)領(lǐng)域的期刊中排名第一，在全球31個(gè)醫(yī)學(xué)信息學(xué)領(lǐng)域的期刊中排名第二。（責(zé)編范秋硯）

論文鏈接：https://doi.org/10.1038/s41746-023-00883-y