計算智能算法在肺癌研究中的應(yīng)用

李尚軒　孫晴　許張美　戴付晗　毛璐怡　樸雪

關(guān)鍵詞：肺癌；智能算法；人工智能；機器學習；文獻調(diào)研

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2023）08-0105-05

近年來，人工智能在各行各業(yè)已成為人們廣泛關(guān)注的焦點，在醫(yī)學領(lǐng)域更是得到了廣泛的應(yīng)用。通過二十多年醫(yī)療大數(shù)據(jù)的深厚沉淀，中國已經(jīng)有了龐大的醫(yī)療數(shù)據(jù)，但是其醫(yī)療數(shù)據(jù)質(zhì)量低下。而計算智能算法可通過算法使機器從海量的數(shù)據(jù)中學習規(guī)律并建立相關(guān)模型，通過確定正確的概率分布來推斷最可能成功的決策。與傳統(tǒng)醫(yī)生相比，計算智能算法在復雜疾病的預(yù)測與診斷中擁有更高的效率及準確率，且隨著計算智能算法的不斷完善及硬件性能的提升，已逐步展現(xiàn)其在醫(yī)學圖像處理上的優(yōu)勢[1]。醫(yī)學影像人工智能檢測系統(tǒng)即通過對醫(yī)學圖像的原始像素進行挖掘從而發(fā)現(xiàn)圖像的有效特征，學習并模擬醫(yī)生的診斷技術(shù)，進而認識特征、重新組合、完成判斷[2]。隨著影像數(shù)據(jù)不斷增長，以及患者對影像診斷精準度的追求不斷增高的背景下，影像科的工作量明顯增大，急需可以快速并精準診斷疾病的工具。因此，人工智能等計算智能算法在醫(yī)學圖像上的應(yīng)用將成為解決主要矛盾的關(guān)鍵。肺癌是中國最常見的惡性腫瘤，可分為小細胞肺癌（Small cell lung cancer，SCLC） 和非小細胞肺癌（Non-small cell lung cancer，NSCLC） ，約85%的肺癌患者屬NSCLC。我國每天近罹患癌癥，平均每8秒就有1人被確診為癌癥[3]。據(jù)估計，中國人的患癌風險高達25％。世界衛(wèi)生組織提出，約一半的癌癥可以通過早期篩查達到預(yù)防的目的，進而使患者康復。因此，對腫瘤的科學的預(yù)防及篩查具有臨床意義。在大數(shù)據(jù)的時代背景下，利用計算機輔助診斷（CAD） 分析和研究癌癥的癌癥醫(yī)學圖像日漸成為主流，對輔助醫(yī)生診斷起至關(guān)重要的作用，目前我國正努力推進精準醫(yī)療及轉(zhuǎn)化醫(yī)學模式趨向成熟[4]。然而，國內(nèi)仍缺少對該方面的重視，尚未建立足夠成熟的綜合性數(shù)據(jù)庫等導致國內(nèi)外研究差距巨大。因此，本文通過檢索2011—2021年近10年間萬方數(shù)據(jù)庫以及Web of Sci?ence數(shù)據(jù)庫的相關(guān)學科文獻，從國內(nèi)外文獻數(shù)量、期刊來源、被引頻次等角度進行對計算機智能算法在肺癌中的應(yīng)用進行統(tǒng)計學分析，進而綜合了解國外計算智能算法在肺癌中應(yīng)用的科研進展，這對我國相關(guān)研究的發(fā)展十分重要。

1 國內(nèi)計算智能算法在肺癌研究中的應(yīng)用的文獻計量分析

1.1 數(shù)據(jù)來源與檢索

在進行國內(nèi)文獻統(tǒng)計分析時，本研究選用萬方數(shù)據(jù)平臺下的中文數(shù)據(jù)庫作為數(shù)據(jù)來源，采用高級檢索方法，檢索時間設(shè)置為2011—2021 年，選取檢索主題“肺癌”and“算法”查找，得到國內(nèi)相關(guān)文獻820篇，經(jīng)人工篩選得到有統(tǒng)計意義的文獻781篇。

1.2 結(jié)果與分析

對檢索到的數(shù)據(jù)按發(fā)表年份進行數(shù)量統(tǒng)計。由圖1可看出，2011-2018年相關(guān)文獻量逐年增多且于2018年達到峰值后（120篇，15.4%） 稍有下降。對于我國來說，從2009年開始，國務(wù)院逐步頒布深化醫(yī)療衛(wèi)生體制改革的若干意見，同時各地積極探索建立區(qū)域醫(yī)療衛(wèi)生信息平臺，信息化建設(shè)受到國家和社會的持續(xù)關(guān)注，故從2009 年以后，國內(nèi)對計算智能算法在肺癌的應(yīng)用研究進入新階段，相關(guān)文獻出現(xiàn)了大幅增加，研究工作進入一個高潮。在此時代背景下，利用計算機輔助診斷來解決影像科工作量巨大、醫(yī)生易漏診錯診等傳統(tǒng)問題漸漸成為熱點，其中卷積神經(jīng)網(wǎng)絡(luò)便是最具代表性且發(fā)展最為迅猛的一種計算智能算法，它能通過自動提取影像特征，從而快速找尋影像的定性特征，這解決了影像科工作量巨大、影像科醫(yī)生易錯診等問題，也說明了卷積神經(jīng)網(wǎng)絡(luò)等一系列計算智能算法在識別分析并輔助醫(yī)生診斷肺癌中起到重要的作用[5]。但是從2018年開始，相關(guān)文獻量持續(xù)下降，這與全球新冠疫情的流行、國內(nèi)相關(guān)研究未引起足夠重視等因素有關(guān)。隨著醫(yī)改政策的不斷完善，國家對計算智能算法在肺癌中研究的投入和扶持力度不斷增大，科研成果將不斷涌現(xiàn)。

2011-2021 年781 篇文章中，東北大學35 篇（4.48％） ，南方醫(yī)科大學32篇（4.1%） ，中國科學院大學24篇（3.07％） ，山東大學24篇（3.07%） ，浙江大學23篇（2.94%） ，太原理工大學22篇（2.81%） ，鄭州大學17篇（2.18%） ，哈爾濱工業(yè)大學16篇（2.04%） ，華中科技大學15篇（1.92%） ，見表1。這說明綜合性大學的醫(yī)工交叉研究優(yōu)勢突出，純醫(yī)學院校的理工類應(yīng)用偏弱。2011-2021年781篇計算智能算法在肺癌中的應(yīng)用的文章中，按發(fā)表的文獻量從高到低排列為楊銘11篇，焦麗靜8篇，肖明勇7篇，張煜6篇，李嘉旗6篇，王培6篇，黎杰6篇，廖雄飛5篇，許玲5篇，詳見表2。其中發(fā)表文獻量前十位的作者主要來自上海中醫(yī)藥大學附屬龍華醫(yī)院與四川省腫瘤醫(yī)院，這說明計算智能算法在肺癌中的應(yīng)用這一研究區(qū)域分布不均，主要受上海醫(yī)學類高校及四川省高等研究所的關(guān)注，這與上海及四川當?shù)貙υ撗芯康闹С忠约搬t(yī)學類院校的支撐作用相關(guān)。

在文獻的來源期刊統(tǒng)計中，我們發(fā)現(xiàn)《中國醫(yī)學物理學雜志》《中華放射腫瘤學雜志》《生物醫(yī)學工程學雜志》《中國生物醫(yī)學工程學報》雜志為相關(guān)發(fā)文量排名前4位的中文期刊，這說明我國智能算法在肺癌中的應(yīng)用研究多集中在醫(yī)學物理與生物醫(yī)學工程領(lǐng)域，此外這一分析有助于研究人員確定其領(lǐng)域的核心期刊，指引其投稿方向，詳見表3。在基金支持方面，國家自然科學基金、國家重點研發(fā)計劃項目成為計算智能算法在肺癌研究中的主要資助基金，這說明了國家對該研究領(lǐng)域的重視，同時我們也看到內(nèi)蒙古、廣東、上海及北京在國內(nèi)率先重視計算智能算法在肺癌中的應(yīng)用這一研究方向，見表4。

在萬方數(shù)據(jù)庫781篇計算智能算法在肺癌中應(yīng)用的中文文章中，關(guān)鍵詞出現(xiàn)頻次排行前8位的是：肺癌、肺結(jié)節(jié)、非小細胞肺癌、計算機輔助診斷、CT圖像、特征提取、卷積神經(jīng)網(wǎng)絡(luò)、圖像分割。進一步進行學科分析發(fā)現(xiàn)，計算機輔助診斷肺癌與相關(guān)算法對肺癌CT圖像的特征提取是中國2011-2021年計算智能算法在肺癌研究中的研究熱點。劉曉鵬等人通過對5000例T1期肺癌患者胸部CT片進行計算機神經(jīng)網(wǎng)絡(luò)學習，形成肺部結(jié)節(jié)的相關(guān)算法，測試500例T1期肺癌患者胸部CT片，并同專家讀片進行比較，結(jié)果顯示在1 mm層厚的CT片測試中人工智能與人工讀片對于肺癌結(jié)節(jié)和陰性對照讀片的檢測率相似，無顯著差異。而在5 mm層厚的相同驗證集CT片比較中，人工智能對肺癌結(jié)節(jié)的檢出數(shù)優(yōu)于人工讀片，敏感性更高，但誤報數(shù)增多，特異性稍差[6]。這說明通過人工智能自動學習早期肺癌胸部CT圖像，可以達到較高的早期肺癌識別的敏感性及特異性，見表5。文獻的引用情況是目前評價文獻質(zhì)量的重要指標，被引頻次不僅可以反映論文研究成果的學術(shù)水平，同時也能反映作者的科研成果被國際同行關(guān)注的程度，論文被引次數(shù)越多，尤其是去除自引后的被引次數(shù)（他引次數(shù)）越多，說明其在該研究領(lǐng)域的影響越大，見表6。通過進一步的分析發(fā)現(xiàn)，計算智能算法分析肺癌的CT圖像是當前國內(nèi)的研究熱點。

2 國外計算智能算法在肺癌中的應(yīng)用的文獻計量分析

2.1 數(shù)據(jù)來源與檢索

在對國外文獻統(tǒng)計分析時，本研究以Web of Sci?ence數(shù)據(jù)庫作為數(shù)據(jù)來源，檢索時間跨度限定為2011—2021 年，采用通用檢索方法“GeneralSearch”，進行“（lung cancer） AND （algorithm）”主題檢索，得到6991篇文獻，經(jīng)人工篩選到有統(tǒng)計學意義的相關(guān)文獻6661篇。

2.2 結(jié)果與分析

統(tǒng)計2011—2021 年Web of Science數(shù)據(jù)庫索引出的國外計算智能算法在肺癌中的應(yīng)用的文獻量，并分析得出文獻增長規(guī)律。通過折線圖，可以清晰看出雖然國外2011—2021 年計算智能算法與肺癌文獻量在2013與2016年減少，但十年間總體文獻數(shù)量持續(xù)增加，于2021年增長至峰值956篇；這也表明國外將關(guān)注點放在對計算智能算法在肺癌研究中的應(yīng)用上，推動其不斷發(fā)展；國外2015 年1 月20 日，奧巴馬提出“精準醫(yī)學計劃”，期望利用基因組學、信息學和衛(wèi)生信息技術(shù)來加速生物醫(yī)學新發(fā)現(xiàn)，其中列舉的就是肺癌的精準治[7]，這對認識肺癌腫瘤機制也提出更高層次的要求。因此2011—2021年國外計算智能算法與肺癌文獻數(shù)量總體上呈遞增趨勢，在2019年后相關(guān)文獻在增長數(shù)量上未減少，這說明計算智能算法在肺癌中的應(yīng)用具有研究價值，這為人類戰(zhàn)勝疫情提供支持。

以Web of Science數(shù)據(jù)庫為數(shù)據(jù)來源，通過2.1的檢索方法進行檢索并對結(jié)果分析，我們發(fā)現(xiàn)“MEDICAL PHYSICS”“INTERNATIONAL JOURNALOF RADIATION ONCOLOGY BIOLOGY PHYSICS”“PHYSICS IN MEDICINE AND BIOLOGY”和“PLOSONE”是國外計算智能算法在肺癌中應(yīng)用這一研究方向發(fā)文量最多的四種雜志，通過對國外計算智能算法在肺癌中應(yīng)用的文獻主要來源期刊進行分析，有助于中國的研究人員確定其投稿及未來研究方向。文獻的研究方向代表了國外學者的最新學術(shù)研究動向。在所得檢索結(jié)果中選取“研究方向”字段分析發(fā)現(xiàn)：“RADIOLOGY NUCLEAR MEDICINE MEDICALIMAGING”綜合比例高，說明醫(yī)學影像學與計算智能算法的聯(lián)系最為緊密，這提示國內(nèi)科學家應(yīng)關(guān)注醫(yī)學影像學與計算智能算法的發(fā)展。Setio等利用美國國家肺癌篩查試驗計劃中[8]的４萬多張CT圖像數(shù)據(jù)，訓練了一個基于三維卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)，研究人員在測試集上獲得了高達94.4％的可信區(qū)間[9]。通過安排多名擁有多年臨床經(jīng)驗的放射科診斷醫(yī)生作為對比，讓他們對同一數(shù)據(jù)進行肺癌患病風險評估。結(jié)果顯示醫(yī)生的表現(xiàn)均差于深度學習網(wǎng)絡(luò)算法。因此，通過大數(shù)據(jù)訓練的人工智能模型在預(yù)測早期肺癌風險這一任務(wù)上表現(xiàn)出了優(yōu)于醫(yī)生專家的性能，也證實了神經(jīng)網(wǎng)絡(luò)對早期肺癌預(yù)測結(jié)果的穩(wěn)健性。

“被引用量”常被當作是衡量論文質(zhì)量的指標，一篇論文被后續(xù)發(fā)表的論文引用次數(shù)越多，其“被引用量”及研究質(zhì)量也就越高，對該領(lǐng)域的影響力越大。通過對國外計算智能算法在肺癌中的應(yīng)用的文獻引用次數(shù)分析，可以發(fā)現(xiàn)國外已開始應(yīng)用機器學習在肺結(jié)節(jié)的輔助診斷、肺癌的分析表型以及肺癌成像模型分析等臨床研究中，與國外相關(guān)文獻的被引用量進行對比，可發(fā)現(xiàn)國內(nèi)文獻的“被引用量”遠低于國外的“被引用量”，這說明國外計算智能算法在復雜疾病的預(yù)測與診斷中論文的影響力更大，見表8。通過對2011-2021年國外計算智能算法在肺癌中應(yīng)用的相關(guān)6661篇文獻的研究方向進行分析，發(fā)現(xiàn)腫瘤學、呼吸系統(tǒng)、放射學核醫(yī)學成像是主要研究方向，這說明國外研究的重點方向是如何使用計算智能算法來更好地服務(wù)肺癌的診斷，這為國內(nèi)尚處于萌芽的研究團隊提供了未來研究方向，見表9。

3 國內(nèi)外研究發(fā)展對比分析

從國內(nèi)外期刊收錄文獻可以看出，國內(nèi)傾向于應(yīng)用計算智能算法在大數(shù)據(jù)、基因表達等計算機與生物科學領(lǐng)域上的具體問題。放射組學通過計算機高通量提取醫(yī)學數(shù)字影像中蘊含的大量不能被常規(guī)肉眼閱片識別高維信息，并通過對放射組學特征分析和處理，建立腫瘤放射組學特征與基因表型的相關(guān)性，為臨床開展精準醫(yī)療提供決策支持。機器學習使計算機像人腦一樣學習，不需要明確的程序，通過從數(shù)據(jù)中學習和訓練，并能進行識別和分類。再加上人工智能近年來高速發(fā)展，它解決了放射組學特征龐大計算量的問題，使得放射組學有望成為放射學和精準醫(yī)學的橋梁，從而讓放射診斷醫(yī)師更多地參與到疾病的精準診斷和個性化治療當中去。因此，胡麗霞指出基于機器學習的放射組學模型能夠用于預(yù)測NSCLC 的EGFR的突變，為臨床醫(yī)生術(shù)前治療方案的選擇提供決策支持[10]。張飛創(chuàng)新性地將計算智能算法用于非小細胞肺癌癌癥階段分類，雖然在驗證數(shù)據(jù)集中的分類結(jié)果并不理想，但為新靶向藥物的研發(fā)以及個性化治療的發(fā)展提供了重要的理論依據(jù)[11]。

與國內(nèi)相比，國外學者更著重于利用先進的計算智能算法應(yīng)用對肺癌的臨床治療上。Nicolas從癌癥基因組圖譜獲得的全玻片圖像訓練了一個深度卷積神經(jīng)網(wǎng)絡(luò)，可以從病理圖像中預(yù)測出來STK11、EGFR、FAT1、SETBP1、KRAS和TP53六種在LUAD中最常見的突變基因[12]。癌癥的早發(fā)現(xiàn)早治療特別重要，該研究提供了強有力的證據(jù)，證明人工智能方法能夠幫助病理學家檢測癌癥亞型或基因突變，從而使患者能夠盡早接受靶向治療。

綜合國內(nèi)外文獻，發(fā)現(xiàn)計算智能算法在肺癌中的應(yīng)用以直線增長趨勢不斷向前發(fā)展，雖然國內(nèi)學者不斷學習和借鑒國外先進經(jīng)驗，取得了一定的進展，但國內(nèi)的相關(guān)研究仍落后于國外，國外相關(guān)文獻量多于國內(nèi)近七倍，且國外將先進的理論研究用于肺癌的治療上遠超國內(nèi)，這與我國科技發(fā)展水平、教育普及程度和基金支持力度有一定聯(lián)系，同時也側(cè)面說明在我國對計算智能算法與肺癌的研究尚未得到各研究院、高校的充分重視，國內(nèi)相關(guān)發(fā)展基礎(chǔ)條件有待加強。目前國內(nèi)和國外研究領(lǐng)域均圍繞計算機科學、醫(yī)療保健科學與服務(wù)、數(shù)據(jù)挖掘、圖像分割與處理等方面，這將促進國內(nèi)和國外學者的科研合作與深層次學術(shù)交流，共同攻堅克難。國內(nèi)研究者仍要不斷努力以加強學科領(lǐng)域的實踐探索與理論研究，增強國際影響力。

4 未來展望

綜合國內(nèi)外文獻，計算智能算法發(fā)展日益迅速，國外治療肺癌的研究起步較早，發(fā)表文獻較多，文獻增長速度較快，研究方向更偏向使用人工智能服務(wù)醫(yī)藥衛(wèi)生，而國內(nèi)研究更偏重應(yīng)用人工智能解決生物科學上的具體問題。在人工智能廣泛應(yīng)用于各領(lǐng)域的背景下，我們應(yīng)重視自身創(chuàng)新性發(fā)展，同時也要分析認清國內(nèi)與國外的發(fā)展差距，努力改善自身不足之處，加強理論方面的深入研究，同時政府部門應(yīng)加大對計算智能算法治療肺癌的支持力度，保障我國相關(guān)研究水平逐步跟上并超越發(fā)達國家，力求從全球各國家、研究中心整合優(yōu)勢資源、促進研究相關(guān)機構(gòu)密切交流合作，實現(xiàn)優(yōu)勢互補，資源共享，有望實現(xiàn)兩學科高水平的突破。