肝包虫病是一种寄生虫传染病，其病程后期治疗难度较大。因此，对肝包虫病进行及时和精准的筛查与诊断极其重要。近期，国际权威期刊《柳叶刀–数字医疗》（The Lancet Digital Health）发表了一项关于肝包虫病诊断的研究。该项研究由解放军总医院第五医学中心肿瘤医学部梁萍教授团队领衔，是国际首个基于超声图像，利用深度卷积神经网络模型（DCNN）对肝包虫病进行鉴别诊断的研究。9631张肝脏超声图像和其代表的6784例病例撑起了这项研究。在该研究中，深圳企业开立医疗充分发挥了在超声和AI医疗领域的专长，全力协同开展模型搭建、算法优化等工作。

《柳叶刀–数字医疗》

因肝包虫病与其他几种局灶性肝脏病变的超声特征存在许多重叠，如何搭建细分模型并设计验证方案成为研究关注的焦点，亦是研究的难点。开立研发团队以数千张肝脏超声图像为基础，开展了大量的模型训练和测试工作，经过长达两年的攻克，研究终于取得突破。

该研究将为超声诊断肝包虫病提供新工具，其证实了充分考虑多变量影响的肝包虫病诊断模型具有高准确率，能帮助医生准确地区分肝包虫病与其他局灶性肝脏疾病。研究还表明，不同年资的医生在AI模型的指导下，都可以更准确地诊断肝包虫病，这将有助于患者获得及时诊治，减少延误诊断的可能性。

同时，AI模型的开发将有助于远程医疗诊断，为医疗资源匮乏的高流行地区患者带去更多希望。远程医疗有助于优化地区医疗资源差异，而超声AI的应用有望成为肝包虫病筛查诊断的常规或辅助应用。

论文中英文原文PDF，请添加官方微信openai178免费领取

文章转载自柳叶刀