多序列膝關節核磁共振成像（MRI）可準確評估膝關節病理。然而，解讀 MRI 影像的過程非常複雜，須依靠放射科醫生的高度專業知識，而且十分耗時。香港科技大學（科大）工學院與南方醫科大學合作，研發了一款新型深度學習模型，可協助辨別 12 種常見的膝關節異常狀況，提升診斷的準確度和效率。

本研究由香港科大的智慧醫療實驗室（Smart Lab）與廣州南方醫科大學第三附屬醫院合作開展，成果發表於《自然 － 通訊》期刊，標題為 Learning Co-Plane Attention Across MRI Sequences for Diagnosing Twelve Types of Knee Abnormalities。

研究背景

膝關節是一個複雜的鉸鏈型關節，也是人體主要的承重關節之一。膝關節老化或受傷均可引致各種異常狀況，造成痛楚及功能損害。由於膝關節的解剖結構相當複雜，若採用不同的成像掃描方法，往往會得出不同的參數，此外，若醫生經驗不足，亦未必能夠辨識出一些細微病變，這可能會影響病理判斷。

研究成果

針對這些問題，研究團隊與五家醫院合作，收集到 1,748 名患者的資料，以此建立了一套數據集，當中包括 T1 加權（T1W）、T2 加權（T2W）和質子密度加權（PDW）MRI 序列的矢狀面、冠狀面和軸面成像。

在膝關節病理的診斷中，醫學界普遍以關節鏡檢查結果為黃金標準。因此，研究團隊將上述數據集與關節鏡檢查所得的資料結合，再進行全面分析，以確定這些病人所患的 12 類常見膝關節異常狀況。

另一方面，團隊開發了一款人工智能深度學習模型，對這些病例進行自動分類。該模型結合了跨 MRI 序列的共平面注意力機制（CoPAS），並將空間特徵與 MRI 序列進行解耦，有效捕捉了不同掃描參數下的體素值強度變化，並成功識別出平面與該 12 類型異常狀況之間的複雜相關性，從而提高分類工作的準確度。

科大計算機科學及工程學系兼化學及生物工程學系助理教授陳浩（前排右四）及其博士生邱澤林（後排左二）；南方醫科大學第三附屬醫院的趙英華（前排左三）、謝卓耀（前排左二）及研究團隊的其他成員

研究架構

為了與臨床判斷比較，研究團隊再開展模擬臨床測試。首先將 MRI 掃描成像提供給放射科醫生，邀請他們按此進行獨立診斷。隔了一段洗褪期後，團隊再將 CoPAS 模型的數據分析提交給醫生參考，請他們進行第二次診斷。結果顯示，CoPAS 模型的分析結果比初級醫生的診斷更為準確，其表現與資深醫生不相伯仲。整體而言，在人工智能輔助下，醫生的診斷準確度顯著提高。

研究人員將臨床經驗表與模型輸出比較，發現模型的決策過程與臨床診斷規律高度雷同。這說明該模型已建立了一組類似於放射科醫生使用的規則，令它在臨床應用上更為可靠。

領導是項研究的科大計算機科學及工程學系兼化學及生物工程學系助理教授陳浩博士說：「我們的研究結果顯示，這款嶄新的 CoPAS 模型診斷能力表現優異，媲美放射科醫生。它特別可輔助經驗較淺的醫生，縮小他們與資深醫生之間的診斷差距。人工智能在醫療領域前景廣闊，我們這次研究的成果正好體現了它在臨床識別和驗證方面的潛力。」

陳浩博士與南方醫科大學第三附屬醫院的趙英華博士同為本研究的通訊作者；科大計算機科學及工程學系博士生邱澤林和南方醫科大學第三附屬醫院的謝卓耀醫生則為共同第一作者。

來源：香港科技大學

如欲知道更多教科相關消息，請留意京港 Facebook 專頁：https://www.facebook.com/BHKAEC