语音播放文章内容由深声科技提供技术支持您的浏览器不支持audio元素。北美放射协会（RSNA）会议是全球范围内最权威的放射学会议，集结了全球最领先的先进技术及学术成果，代表着这一领域未来的发展方向。医学影像数据在全部医疗数据中占比超80%，数据价值的释放逐渐成为临床诊疗外至关重要的一部分，在临床-科研-临床之间实现数据价值闭环，或将重新定义放射医师。

日本国立癌症中心设立于1961年，位于东京的中心地带，是日本癌症治疗的国立医疗机构，也是世界上屈指可数的癌症对抗中心之一，在癌症新药开发、临床试验和信息统计等方面发挥核心作用。RSNA2019会议期间，日本国立癌症中心使用RadCloud大数据人工智能科研平台产出的两篇论文——“探索从CT和MRI中提取机器学习分类器，预测舌头晚期鳞状细胞癌患者术后复发的风险”、“基于CT的放射组学分析预测局部晚期食管癌患者术前化疗后的病理反应”由Dr.Kuno分别于神经放射学/头颈部肿瘤专场及胸部专场现场发表，面向全球分享影像前沿科研成果。

摘要一探索从CT和MRI中提取机器学习分类器，预测舌头晚期鳞状细胞癌患者术后复发的风险本文对81例晚期舌鳞状细胞癌患者进行了回顾性研究。在RadCloud平台上，为每位患者从CT和MRI的T2加权像和T1加权像中提取共1409个放射组学特征。

采用方差阈值法、SelectKBest法和LASSO算法逐步选出最优特征。使用计算机生成的随机数将70%的VOI分配给训练数据集，并将30%的VOI分配给每个成像集的验证数据集。使用六个监督学习分类器进行分类。通过ROC曲线分析来评估放射组学特征的预测性能。

得出结论MRI可能是建立放射组学模型的最佳方法，尤其是使用KNN方法来预测晚期舌鳞癌术后复发的风险。基于MRI的放射组学特征可以为晚期舌鳞状细胞癌提供额外的定量信息，这些信息或将为术后辅助治疗的决策提供帮助。

摘要二基于CT的放射组学分析预测局部晚期食管癌患者术前化疗后的病理反应在这项回顾性研究中，基于133名LAEC患者的原始数据集建立放射组学模型。这些患者接受了增强CT扫描、术前化疗、手术治疗，根据手术切除标本的病理评价分为不良反应组和良好反应组。

利用Radcloud平台从CT图像中提取定量影像特征，采用方差阈值法、SelectKBest法和LASSO算法逐步选择最优特征并降维。采用6种机器学习算法建立放射组学诺谟图。通过ROC曲线分析来评估放射组学特征的预测性能，包括训练和验证。用LASSO方法选出6个最优特征。

Xgboost模型的ROC曲线下面积预测训练数据集的良好反应为0.893，验证数据集为0.761。得出结论基于ct的放射学特征可以提供更多的疾病进展定量信息，或有助于改善LAEC患者术前管理的临床决策。

HirofumiKuno博士（左三）一行莅临汇医慧影展区交流关于Radcloud大数据人工智能科研平台为放射组学研究带来的改变，Dr.Kuno表示：“：AI在科研领域应用引发的改变甚至比临床应用阶段更令人惊喜。在Radcloud平台上，我们的科研研究流程与日常阅片诊断几乎完全一致，由平台完成多维数据信息的综合、提取特征及人工智能建模，这让数据价值的挖掘，临床应用辅助决策触手可及。

”汇医慧影成立于2015年4月，是一家国家级医学影像人工智能高新技术企业，也是国际领先的医学影像人工智能技术服务商。截至汇医慧影目前已与国内1000多家医院完成合作，从科研到临床全流程覆盖，在智能影像云平台、数字智能胶片、人工智能诊断云平台、组学云平台的全流程影像平台市场占有率第一。这既是市场对于汇医慧影商业模式的正向反馈，也是全行业范围内产品布局发展方向的一次验证。

汇医慧影将继续致力于大数据、人工智能、云计算等前沿技术赋能医疗创新，为智慧医院、分级诊疗、精准医疗量身定制影像智能解决方案。发掘医疗数据非凡价值，汇医慧影期待与您同行。版权文章，未经授权禁止转载。详情见转载须知。

本文来源：新萄京网站-www.forimprovement.com