编辑推荐：
在口腔上皮发育异常（OED）诊断中，传统分级系统存在主观性强、重复性差的问题。研究人员开展基于视觉 Transformer（ViT）的 OED 病理图像分级研究，结果显示 ViT 模型在 3 类和 4 类场景下分类准确率高，为 AI 辅助诊断 OED 提供了有力支持。
在口腔医学领域，口腔上皮发育异常（Oral Epithelial Dysplasia，OED）就像一颗隐藏的定时炸弹，时刻威胁着人们的口腔健康。OED 是一组口腔上皮出现各种组织学和临床改变的病变，别看它在一个人的生命周期中很少恶变成癌症，但约 80% - 90% 的早期口腔鳞状细胞癌（Oral Squamous Cell Carcinomas，OSCC）都源于它。目前，评估疑似组织活检的组织病理图像是诊断和分级 OED 的金标准方法，世界卫生组织（World Health Organization，WHO）2022 年推出的 “thirds” 分级系统和 “binary” 分级系统是常用的评估工具 。然而，这看似可靠的金标准却存在不小的漏洞。不同观察者在使用这些分级系统时，存在显著的差异，其主观性使得诊断结果难以保证准确性和一致性，就好比不同的人对同一幅画的理解各不相同。
为了解决这一难题，来自伊朗多所大学的研究人员决心探索新的方法。他们开展了一项基于视觉 Transformer（Vision Transformer，ViT）深度学习算法的研究，旨在对 OED 和健康口腔上皮组织病理图像进行分类，并与传统的卷积神经网络（Convolutional Neural Network，CNN）模型（VGG16 和 ConvNet）进行比较。该研究成果发表在《BMC Cancer》上，为口腔医学诊断带来了新的曙光。
研究人员为开展此项研究，采用了多种关键技术方法。在数据获取方面，他们从德黑兰医科大学口腔颌面病理科档案库中收集了大量样本，并结合两个在线数据库，丰富了数据集。图像预处理时，对图像进行旋转、裁剪、分割等操作，将其转化为适合模型处理的格式。模型构建上，选用预训练的 ViT - B16 模型，在 NVIDIA RTX 3070 GPU 等硬件支持下进行训练和微调，并与 VGG16、ConvNet 模型对比。同时，使用了数据增强技术扩充训练数据，减少过拟合风险。
研究结果主要从以下几方面展开：
- 数据处理成果：经过图像预处理，得到了不同风险等级和组织类型的大量图像补丁，如 2,545 个低风险、2,054 个高风险、726 个轻度、831 个中度、449 个重度和 937 个正常组织补丁。
- 模型性能表现：ViT 模型展现出优异的分类性能。在 3 类场景（低风险、高风险和正常上皮组织）下，其准确率达到 94%，而 VGG16 为 86%，ConvNet 为 88%；在 4 类场景（WHO 分级系统加上正常组织，即轻度、中度、重度和正常）下，ViT 模型准确率高达 97%，VGG16 仅为 79%，ConvNet 为 88%。
- 模型训练情况：观察模型训练和验证过程发现，训练损失稳步下降，表明模型有效学习，但在第 9 个 epoch 左右，验证损失开始与训练损失出现轻微偏离，验证准确率也趋于平稳，而训练准确率仍略有上升，这暗示可能出现了过拟合现象。不过，通过多种定量和定性评估方法综合判断，模型整体表现稳定，泛化能力良好。
- 模型关注区域：从 ViT 生成的注意力图可以看出，模型能够聚焦于口腔上皮发育异常分级相关的上皮结构改变，这为模型的诊断准确性提供了有力的视觉证据。
研究结论和讨论部分意义重大。该研究首次评估了 ViT 模型对 OED 样本的分类效率，结果显示其在 4 类和 3 类场景下均成功对 OED 进行分类，且准确率显著高于传统 CNN 模型。这一成果表明 ViT 模型在 OED 诊断方面具有巨大的潜力，有望成为口腔颌面病理学家的得力助手，辅助甚至独立完成 OED 的检测和分级工作，提高诊断的准确性和客观性。同时，也为人工智能在医学影像分析领域的应用开辟了新的道路，让人们看到了人工智能技术为医学诊断带来变革的希望。不过，研究也存在一定的局限性，如样本量相对较小，这可能对深度学习算法的结果稳健性产生一定影响。未来的研究可以进一步扩大样本量，探索更多优化模型性能的方法，推动人工智能在口腔医学诊断中的广泛应用，为守护人们的口腔健康提供更强大的技术支持。
