[发明专利]一种基于人工智能的胃癌辅助诊断系统

说明书

本发明公开了一种基于人工智能的胃癌辅助诊断系统，包括诊断选择模块：就诊者从自诊服务、普通服务和标准服务中选择对应的诊断服务，并被提供对应的采集模板；数据采集模块：根据就诊者的选择，有条件地采集就诊者的基本信息、饮食习惯、感染史、疾病史、家族史、临床症状和检验项目；数据预处理模块：对采集的数据进行预处理，得到标准化数据；诊断模块：使用诊断模型分析标准化数据，得到就诊者所处的胃癌阶段；显示输出模块：个性化地显示就诊者的诊断结果，以及就诊者对应的高危标签和引证文献。该辅助诊断系统有助于提高胃癌筛查的普及率，以及减少就诊者不必要的有创活检，并能提醒就诊者目前患病的高危因素。

技术领域:本发明涉及识别领域，尤其涉及胃癌分类，具体是指一种基于人工智能的胃癌辅助诊断系统。

背景技术:胃癌（gastric cancer）是世界上主要的死亡原因之一。全球每年新发胃癌病例约120万，我国约占其中的40%（国家卫生健康委员会.（2019）. 胃癌诊疗规范（2018年版）.中华消化病与影像杂志（电子版）. 9: 118-144.）。我国胃癌的新发病率和死亡率分别位居我国恶性肿瘤的第2位、第3位。目前，我国发现的胃癌有90%左右处于进展期，而胃癌的预后与胃癌分期相关，进展期胃癌即使接受了外科手术，5年的生存率仍低于30%，而早期胃癌治疗后的5年生存率超过90%，甚至可以治愈。然而，我国早期胃癌的诊治率低于10%，远低于日本（70%）和韩国（50%）（杜奕奇，蔡全才，廖专，等.（2018）. 中国早期胃癌筛查流程专家共识意见（草案）（2017年, 上海）. 胃肠病学. 23: 92-97.）。因此，有必要推广和完善胃癌的早期筛查。

胃癌的发生发展是多因素综合作用的结果，与人口学、生活饮食、感染、遗传、疾病和环境等都有关。因此，结合临床检验数据，并兼顾就诊者的其它个人因素，有助于提高胃癌的确诊率。当前，胃癌的金标准是通过胃镜及其活检来判断的，但是胃镜具有一定的痛苦，一般就诊者不愿意接受。况且，普通内镜适用于进展期胃癌，对早期胃癌的检出率较低，所以在进行内镜检查前，需要采用非侵入性诊断方法筛选出胃癌高风险人群（杜奕奇，蔡全才，廖专，等.（2018）. 中国早期胃癌筛查流程专家共识意见（草案）（2017年, 上海）. 胃肠病学. 23: 92-97.），这也是基于人工智能的胃癌辅助诊断系统的意义所在。它能结合目前的临床检验项目，以及就诊者的个人情况，筛选出潜在的胃癌高风险人群。

随着人工智能技术的不断发展，其在医疗领域的强大辅助功能也得到了认可。杨荣等（杨荣，陈誉，高红梅，等. （2019）.基于临床数据的胃癌筛查模型研究. 中国医学物理学杂志. 36: 1095-1102.）利用临床数据，通过决策树算法构建胃癌筛查辅助模型，其AUC=0.809，具有良好的胃癌风险识别能力，但是需要就诊者做多项临床项目，无意增加了就医成本，且研究的数据比较局限于临床数据，无法多角度评价就诊者的身体状况。王志杰等（王智杰，高杰，孟茜茜，等. （2018）. 基于深度学习的人工智能技术在早期胃癌诊断中的应用. 中华消化内镜杂志. 35: 551-556.）利用深度学习诊断早期胃癌，准确率为89.4%、敏感度为88.8%、特异度为89.7%，均高于内镜医师，但是该技术需要就诊者做胃镜检查，这不符合多数人的需求。 Hirasawa等（Hirasawa T，Aoyama K，Tanimoto T，et al.（2018）.Application of artificial intelligence using a convolutional neural networkfor detecting gastric cancer in endoscopic images. Gastric Cancer. 87: 1-8.）构建的CNN胃癌检测系统能够在很短的时间内处理大量存储的内镜图像，且在独立测试图像集中灵敏度为92.2%，但同样要求就诊者先做内镜检查。上述研究表明，人工智能可以用于胃癌的辅助诊断，且能获得不错的诊断结果，但是需要考虑就诊费用和就诊接受度。

发明内容:本发明的目的在于，为了解决上述现有的人工智能诊断技术存在的问题，本发明提供了一种基于人工智能的胃癌辅助诊断系统，该系统能够根据采集到的就诊者的数据，个性化地给出诊断结果。