据悉，目前徐州医科大学附属医院设备处医工结合AI团队与温州医科大学附属第一医院联合开发了一款利用人体身体成分值基于深度学习技术的非酒精性脂肪肝炎（NASH）早期智能筛查系统。该系统可以有效预测人群NASH患病风险，风险预测AUROC达到了0.801。

  前不久，《2022北京医工交叉创新十大前沿技术趋势》由北京航空航天大学生物与医学工程的王豫教授代表“医工谷”战略创新研究组发布。其提出的十大技术方向贯彻了十四五规划“四个面向”基本方针，领会了《健康中国2030》规划纲要。该“趋势”提出人工智能作为十大技术方向之一，通过AI深度学习、特征提取强化学习、模式匹配模型训练等方法能够实现对多种疾病的诊断筛查，从而大幅度提升相关疾病的诊断速度。在该大背景支持下，徐医附院设备处医工结合AI团队和温州医科大学附属第一医院脂肪肝病专科展开了密切合作。

  近年来，全球范围内非酒精性脂肪肝病（NAFLD）的患病率高达25%左右，在我国统计数据显示患NASH疾病的潜在人群高达1.1亿，该类人群发病早期无明显特异症状，当NASH逐步发展成为肝硬化、肝癌时，预后往往较差且无法逆转，因此早期诊断NASH并及早干预就显得尤为重要。

  肝活检作为唯一能够可靠区分NAFLD和NASH的诊断方法，也存在着许多潜在的并发症，如术后疼痛、出血和损伤邻近器官等。同时在整个肝活检过程中，患者都需要得到悉心的照料，直至康复。所以，肝活检因创伤操作、后期护理难和费用高等弊端，常不被患者和医护人员所接受。鉴于以上肝活检的条件限制，无创诊断评估成为NASH诊断研究的热点。生物电阻抗技术作为一种无创获取人体身体成分值的检查技术，近年来与深度学习技术相结合，在淋巴结水肿预后预测、慢性卒中患者个性化分析等其他疾病领域取得诸多进展。
  记者了解到， 徐医附院设备处医工结合AI团队与以温州医科大学附属第一医院为主导单位联合广东省中医院、浙江大学医学院附属邵逸夫医院、南方医科大学南方医院、天津市第二人民医院和杭州师范大学附属医院，共六所医院合作，建立国内最大的NASH患者信息数据库，该库包含NASH病例516名和NAFL病例250名患者的身体成分值数据、相关既往病以及病理诊断等信息。（相关数据已经进行了脱敏处理）。
  为了给项目提供可靠的算法支持，该团队除积累大量翔实的临床数据以外，算法设计上还得到中国矿业大学、徐州医科大学多名教授的技术指导，在较大样本量的基础上使用较新的算法运用提高了系统诊断的准确率并且避免结果的偶然性。
  团队在FCN结构基础上加入残差结构、修改连接方式优化模型，提高了诊断结果的准确性。以信息数据库和人工智能技术为依托进行NASH诊断。

  目前，团队已经完成数据模型建立和预测软件设计，系统AUROC 达到0.801，相信通过进一步的实验，该项目可以有效辅助筛查早期非酒精性脂肪肝炎患者。

  运用医工结合方式，将AI赋能医院门诊，下沉普通社区和其他公共场所，运用医工交叉创新技术解决NASH筛查难题，推进医工交叉深度融合、培养人才联合互动，实现转化科技成果的核心工作，进一步推进医疗大数据有序开放和利用。
  徐医附院设备处医工结合AI团队助力“AI+医疗”智能服务。 
  附录介绍：
  NASH：是指除酒精和其他明确因素所致肝病（如病毒性肝炎、药物性脂肪肝等）外，与胰岛素抵抗以及代谢综合征密切相关的疾病非酒精性脂肪肝（NAFLD）加深演变发展而成。
  生物电阻抗值：是指由电流源头给激励电极通以恒定的电流，随着人体呼气与吸气，胸腔容积的变化，引起胸部电阻抗相应的改变，使测量电极间电压发生相应的改变，进而提供了关于组织内部的更多信息，有助于更好地理解生物组织的解剖学、生理学和病理学。