2025年5月30日，《Radiology: Imaging Cancer》在線發(fā)表了中山大學附屬第三醫(yī)院吳斌教授團隊題為“Interactive Explainable Deep Learning Model for Hepatocellular Carcinoma Diagnosis at Gadoxetic Acid-enhanced MRI: A Retrospective, Multicenter, Diagnostic Study”的長篇研究論著(ORIGINAL RESEARCH)。本研究開發(fā)了基于肝細胞特異性對比劑增強掃描MRI圖像的AI診斷模型，顯著提升了臨床對肝硬化結節(jié)癌變的診斷效率，大大降低了人診斷的誤差。

美國肝病學會主席、Hepatology主編Gregory J. Gores教授，Mayo Clinic人工智能及大數(shù)據(jù)專家Yashbir Singh教授，Mayo Clinic放射診斷專家Bardley J Erickson教授為該研究撰寫了專題述評進行高度評價，并且述評發(fā)表在同一期為讀者進行推薦。

(圖源自Radiology: Imaging Cancer)

肝癌是全球第三大癌癥致死原因，早期確診能提供最佳治療方案，對改善生存率及生活質量至關重要。當前指南推薦在高危人群中采用MRI等影像方式進行無創(chuàng)診斷，但影像特征解讀存在主觀性，確診率不高。為解決該難題，本研究由中山大學附屬第三醫(yī)院牽頭，聯(lián)合華南地區(qū)多家高水平醫(yī)療機構（中山大學附屬第一醫(yī)院、南方醫(yī)科大學珠江醫(yī)院、中山市人民醫(yī)院、中山大學附屬第三醫(yī)院粵東醫(yī)院）共同參與，涵蓋839名患者、1023個肝臟病灶，構建了大規(guī)模、多中心、多MRI掃描設備、多病理類型的AI訓練集與驗證體系。人工智能（AI）算法開發(fā)與性能優(yōu)化由清華珠三角研究院韓藍青教授團隊提供關鍵支持，確保了模型在不同臨床場景下泛化能力及可重復性。

不同于既往研究，團隊建立了一套由“病灶分類器”與“特征識別器”構成的復合AI診斷系統(tǒng)，模型輸入來自五個MRI關鍵序列（平掃T1WI、T2WI、動脈晚期、門靜脈期、肝膽期），通過深度學習框架提取病灶多維影像特征，實現(xiàn)對癌結節(jié)與非癌結節(jié)的高精度分類，同時基于后驗概率推理，使得AI模型能自動識別典型的LI-RADS征象，如非環(huán)形動脈期強化、門脈期非環(huán)形廓清、包膜強化、T2輕中度高信號、肝膽期低信號等，輔助放射科醫(yī)生理解模型判斷依據(jù)。

(圖源自Radiology: Imaging Cancer)

?

在獨立的外部測試集上，該AI模型表現(xiàn)出優(yōu)異的診斷性能，對癌結節(jié)識別的AUC高達0.97，靈敏度為91.6%，遠高于LI-RADS v2018標準的74.8%，其特異性高達90.7%。在AI輔助下，兩位放射科醫(yī)生對肝結節(jié)癌變的診斷敏感性分別從72.3%、74.0%提升至85.7%、89.1%，而診斷特異性穩(wěn)定保持在93%以上，驗證了AI在實際臨床工作流程中的顯著增益效果。

該成果一經(jīng)發(fā)表，便引發(fā)國際權威的高度關注。在同期特邀述評中，國際著名人工智能專家、肝病專家及醫(yī)學影像專家共同進行述評指出：本研究將深度學習從“難以解釋的黑箱模型”推進為“具備特征可驗證性”的實用系統(tǒng)，在提升影像診斷準確性與可解釋性方面展現(xiàn)出重要潛力，為肝癌早期診斷提供了切實可行的AI輔助下的臨床診斷路徑。

?

中山大學附屬第三醫(yī)院消化內科吳斌教授的博士生李明凱為第一作者，吳斌教授和放射科王勁教授為通訊作者，中山大學附屬第三醫(yī)院為論著的第一作者單位及通訊作者單位。該研究獲得國家自然科學基金項目（82070574）；廣東省自然科學基金團隊項目（2018B030312009），廣州市重點研發(fā)計劃項目（2023B03J1298）的支持。

論文：Li M, et al. Interactive Explainable Deep Learning Model for Hepatocellular Carcinoma Diagnosis at Gadoxetic Acid-enhanced MRI: A Retrospective, Multicenter, Diagnostic Study. Radiol Imaging Cancer. 2025 May; 7(3):e240332. https://pubmed.ncbi.nlm.nih.gov/40445095/.

同期述評：Singh Y, Gores GJ, Erickson BJ. Beyond the Black Box: Explainable AI Transforms Hepatocellular Carcinoma Diagnosis at MRI. Radiol Imaging Cancer. 2025 May; 7(3):e250198. https://pubmed.ncbi.nlm.nih.gov/40445096/