IF13.2！恭喜广东省人民医院刘再毅团队用机器学习拿下一区TOP！GANDA模型实现胃肿瘤全自动诊断

标题：基于深度学习的增强CT中的胃肿瘤检测
发表期刊：Radiology. Artificial Intelligence
发表时间：2025年11月26日
影响因子：13.2/  Q1

研究背景
胃癌居全球恶性肿瘤发病率第五位，早期识别困难。常规腹部增强CT在临床实践中广泛采用，然而胃部病变漏诊率可高达38%。鉴于此，本研究开发并验证了一种全自动深度学习模型GANDA，旨在常规增强CT影像上实现胃肿瘤（包括胃癌与非胃癌病变）的检测、诊断及像素级分割。

研究方法
GANDA采用两阶段架构：首先使用nnU-Net定位胃部区域，随后通过一个联合分割与分类的网络同步输出肿瘤分割掩膜和个体层面的三分类诊断（胃癌、非胃癌病变、对照）模型经五折交叉验证进行集成训练，并于4606例受检者中验证效能。同时开展一项由10名放射科医师参与的阅片研究，将模型诊断准确性与人工判读进行系统对比。

数据来源
回顾性收集2007年至2023年期间中国5家医学中心的4606例受检者腹部增强CT数据，划分为训练集、内部测试集、外部测试集及真实世界测试集。

研究结果
受检者基线特征见表1。在肿瘤有无检测中，GANDA表现出色：内部与外部测试集的受试者工作特征曲线（图3A）及三分类混淆矩阵（图3C、3E）清晰展示了其鉴别胃癌、非胃癌病变与对照的能力。与放射科医师的比较显示，在肿瘤检测任务中，9名阅片者的操作点位于模型ROC曲线下方，另1名（R5）同样位于曲线下方（图4A）表明在匹配特异度下模型灵敏度更高；各阅片者的混淆矩阵见图4B，具体指标见表2。在真实世界队列中，图5归纳了模型误判的六类典型情形。

文章小结
GANDA能够在常规增强CT上有效检出并判别胃肿瘤，其整体性能优于放射科医师，具备向临床应用转化的潜力。
医学SCI 医学 科研 SCI论文 机器学习