全球正规十大网赌肿瘤医院李祥春教授、周德俊教授课题组联合开发了结直肠病变人工智能光学诊断模型，通过人工智能手段促进基础科研和临床转化相结合，辅助肠镜下结直肠癌的精准诊断。相关研究成果于2020年5月发表在《Nat Commun》（2018年影响因子11.878，5年影响因子13.811），题目为“Diagnostic evaluation of a deep learning model for optical diagnosis of colorectal cancer”。
结直肠癌是全球第二大癌症相关死亡原因，也是第三大常见癌症类型。结肠镜检查是筛查结直肠癌最常用的工具，能有效发现癌前病变和早期癌，对于提高患者生存有积极意义。能够在结直肠镜检过程中准确鉴别病变的良恶性对于临床治疗方案的选择具有重要价值。
该研究通过12179名患者的464105张图像开发了一个叫做CRCNet的结直肠癌光学诊断模型，并在三个独立验证集进行进行系统性地验证。研究结果表明CRCNet能够准确区分病变的良恶性，在三个验证集中其精确度—召回率曲线下面积分别为0.882(95%CI: 0.828-0.931)、0.874(0.820-0.926)和0.867(0.795-0.923)。CRCNet良恶性诊断水平可以媲美于有经验的内窥镜医师。
该模型有望增强内镜医师结直肠癌光学诊断水平，尤其是在医疗水平欠发达地区，为基层医疗机构提供准确快速的结直肠癌镜下诊断，从而大大提高大肠癌的检出率，加速基础研究向临床的转化。
（肿瘤医院 科学技术处）
论文链接：
Diagnostic evaluation of a deep learning model for optical diagnosis of colorectal cancer