全自动肝脏肿瘤检测与分割工具SALSA：助力精准医疗的新突破

本研究介绍了一种名为SALSA的全自动肝脏肿瘤检测与分割工具，其在肿瘤检测精度和分割准确性上超越了现有模型及放射科医师的读者间一致性，为癌症诊断、治疗规划及疗效评估提供了有力支持（SALSA）

　　一项针对肝脏肿瘤检测与分割的创新性研究取得了令人瞩目的成果。该研究的核心是SALSA（System for Automatic Liver tumor Segmentation and detection），这是一种全自动化的工具，专门用于肝脏肿瘤的检测和分割。研究团队利用1598例计算机断层扫描（CT）扫描图像和4908个肝脏肿瘤对SALSA进行了开发和验证。结果显示，SALSA在肿瘤识别和体积定量方面表现出色，其患者级检测精度达到99.65%，病变级检测精度为81.72%，并且在外部验证队列中展现出良好的重叠度，Dice相似性系数（DSC）达到0.760，超越了现有最先进模型以及放射科医师之间的读者间一致性评估。此外，SALSA自动化的肿瘤体积定量在多种实体肿瘤中具有预后价值（p=0.028），有望作为一种潜在的医疗设备，用于自动癌症检测、分期和疗效评估。 该研究的背景部分指出，肝脏肿瘤无论是原发性还是转移性的，都对癌症患者的预后产生重大影响。准确的识别和定量对于有效的患者管理至关重要，包括精准的诊断、预后和治疗效果评估。目前，肝脏肿瘤负担的评估主要依赖于医学影像，如CT，然而这一过程通常主观性强且耗时，不同观察者之间以及同一观察者内部的变异性较大。因此，开发一种全自动化的分割工具对于提高肿瘤检测和体积评估的准确性具有重要意义。 在研究方法方面，研究团队采用了三种最先进的神经网络架构进行图像分割，包括最新的Transformer架构。最终，3D U-Net级联模型在所有探索的模型中表现最佳，被指定为SALSA工具，并在多个队列中进行了测试以评估其鲁棒性和预后价值。研究涉及的CT扫描数据集涵盖了不同的扫描仪和采集协议，反映了真实世界的临床条件，包括常见的成像伪影以及分辨率和图像质量的变化。 在结果呈现上，SALSA在测试集和外部验证集中的表现均十分出色。在患者级检测方面，SALSA在测试集中的精确度为80.59%，召回率为99.08%，而在外部验证队列中，精确度高达99.65%，召回率为94.17%。在病变级检测方面，SALSA在测试集中的精确度为58.07%，召回率为70.38%，在外部验证队列中，精确度为81.72%，召回率为57.92%。在分割评估方面，SALSA在测试集中的患者级DSC为0.737，肿瘤级DSC为0.761，在外部验证集中的患者级DSC为0.738，肿瘤级DSC为0.760。此外，研究还发现，SALSA在检测和分割低密度肿瘤以及较大肿瘤方面表现更好，而对于小肝肿瘤的检测和分割性能略低。不过，SALSA在不同肿瘤类型和CT切片厚度上的DSC分布保持一致，显示出其广泛的适用性。 在与放射科医师的比较方面，研究团队随机选取了25例患者，由三位放射科医师对肝脏肿瘤进行分割，并将结果与参考专家放射科医师手动分割的金标准进行比较。结果显示，SALSA在勾画肝脏肿瘤方面的表现（F1分数为75.89，DSC为0.800）与两位放射科医师（F1分数分别为68.72和47.81，DSC分别为0.778和0.736）相当，甚至更好，接近参考专家放射科医师（F1分数为79.50，DSC为0.820）的水平，表明SALSA在检测和分割方面具有高度的精确性。 在预后价值方面，研究评估了肝脏肿瘤负担的预后价值，无论是手动评估还是SALSA自动分割，结果均显示较高的肝脏肿瘤负担与较差的预后相关（p=0.028，风险比；95%置信区间=1.692；1.055,2.715）。SALSA的自动化量化确认了肿瘤负担的预后重要性，并显示出与手动评估相当的患者风险分层能力，表明SALSA能够为临床试验和临床实践中的决策提供更快速、准确的肿瘤负担量化和相关的预后区分。 在讨论部分，研究团队指出，肝脏作为原发性肝胆癌和转移癌的受累器官，在癌症分期、预后和治疗规划中发挥着关键作用。SALSA的开发旨在克服手动肿瘤分割的挑战，其在多个测试和外部队列中的验证突出了SALSA的有效性和可靠性，与专家放射科医师的准确性相当，甚至在某些情况下超越。SALSA的开源应用进一步强调了其在临床常规中广泛采用的潜力。尽管存在一些局限性，如数据集的标注可能存在偏差、对小病变和高密度病变的分割性能有待提高等，但SALSA的开发为肝脏肿瘤检测和体积定量提供了一个强大的解决方案。 总之，SALSA作为一种全自动化的肝脏肿瘤检测和分割工具，在CT图像上的表现令人印象深刻，能够为癌症的预后和管理提供更准确的肿瘤负担量化，无需手动提示。其在多个测试和外部队列中的验证证明了其在真实世界临床环境中的有效性和可靠性，与专家放射科医师的准确性相匹配甚至超越。开源应用的加入进一步凸显了其在临床实践中广泛应用的潜力，有望改善癌症护理，提高患者预后，并提高医疗系统的效率。