【資料圖】

肝包蟲病是一種寄生蟲傳染病，據估計，全球感染超過100 萬人，亞洲中部地區有 2.7 億人面臨感染肝包蟲病的風險。

據悉，該病分為囊型和泡型兩種類型。其中，泡型包蟲病由于其侵襲性生長的特點，素有“蟲癌”之稱。全球每年約有91%的泡型包蟲病發生在我國，主要高發于青海、新疆、西藏及四川等地的牧區。囊型包蟲病可導致鄰近器官受壓，囊包破裂可誘發發熱、蕁麻疹、體內播散，甚至導致過敏性休克。

近日，解放軍總醫院第五醫學中心腫瘤醫學部梁萍教授團隊在《lancet digital health》發表題為《基于超聲圖像開發肝包蟲病診斷的深度學習模型的回顧性多中心研究》的論文。該研究由梁萍教授團隊領銜，聯合國內87家醫院參與，開發出國際上首個基于超聲圖像對肝包蟲病進行鑒別診斷的人工智能模型。

該研究收集了2002年1月至2021年12月共9631張肝臟超聲圖像進行訓練和測試，開發的人工智能模型能夠將肝包蟲病及其他肝臟局灶性病變進行準確鑒別，其診斷效能超過了肝包蟲病流行區的高年資超聲醫生水平。低年資和中年資超聲醫生在AI的輔助下，其診斷肝包蟲病的能力可分別提升10.7%和7.8%。同時，模型還可以進一步準確鑒別出囊型包蟲病、泡型包蟲病、良性肝局灶性病變以及惡性肝局灶性病變。不僅如此，對于囊型肝包蟲病，模型還可以將需要治療的類型（有活性和過渡型）和不需要治療的類型（無活性）準確鑒別。另外，對于疫區合并有乙肝/丙肝的患者，模型還可以對泡型包蟲病及原發性肝癌進行準確鑒別。

該研究為我國肝包蟲病的準確診斷提供了新方法，也為我國西部地區的肝包蟲病遠程診斷提供了廣闊應用前景。解放軍總醫院第五醫學中心腫瘤醫學部于杰教授、梁萍教授及青海大學附屬醫院樊海寧教授為該論文共同通訊作者，解放軍總醫院第五醫學中心腫瘤醫學部楊永峰醫師與青海大學附屬醫院陽丹才讓主任醫師為共同第一作者。