肺癌已成为我国发病率最高、死亡率最高的恶性肿瘤,放疗(RT)在这种疾病中扮演着一个关键的角色，约20%的早期肺癌患者 (I-II) 和50%的晚期肺癌患者 (III-IV) 需要接受RT。精确地分割出肿瘤病灶区域，是RT的关键部分,对肿瘤的控制和辐射相关毒性有直接影响。通常情况下，人工勾画肿瘤区域是一项耗时长，工作量极大的工作。同时，专家之间也会受其主观经验，环境等诸多因素的影响，结果存在显著差异(例如，在1项研究中5名专家之间的差异为7倍)，分割的质量可能直接影响临床结果。因此，临床上急需实现肿瘤区域的自动分割。近年来，人工智能受到了极大的关注，而医学影像与人工智能的结合被认为是最具发展前景的领域，可提高医生的工作效率和诊断准确率。

正所谓高手在民间，在一个为期10周的在线挑战（奖金总额为55000美元）中，34位参赛者提交了45种算法，确定了多种AI解决方案，大家有一个共同的目标—提高人工智能(AI)解决方案在肺肿瘤分割（用于靶向治疗）中的准确度。结果发表在4月18日的JAMA子刊《JAMA Oncology》，此次比赛中的AI方法能快速生成自动化算法，复制了一名训练有素的医生在放射治疗关键任务中的技能。这些AI算法可以通过将专业医生的技能转移到资源贫乏的地区，改善全球的癌症治疗现状。

利用大众创新，开发一种基于人工智能的放射治疗解决方案

重要性

放射治疗（RT）是一种重要的癌症治疗方法，但现有的放射肿瘤学工作人员并不能满足日益增长的需求。在放射治疗中，医师的关键任务涉及肿瘤的分割和靶向治疗，这些工作需要经过大量培训。

目的

确定人工智能(AI)解决方案是否能达到放射肿瘤学专家在肺肿瘤分割（用于靶向治疗）中的准确性。

设计、背景和参与者

我们进行了为期10周的在线挑战（奖金总额为55000美元）。比赛使用的数据集，包括由临床护理专家生成的计算机断层扫描（CT）和肺肿瘤分割（461名患者的CT扫描;每次扫描的图像中位数为157张;一共77942张图像;有肿瘤的8144张图像）。一套229张CT扫描训练集，并配有专家的算法，并在整个比赛过程中对他们的表现给出反馈（包括来自专家的反馈）。

主要结局和指标

参赛者生成的AI算法在一个独立的数据集上自动评分，使用定量指标对其进行排名，评估每个算法的结果与专家结果的重叠程度。

结果

共有来自62个国家的564名参赛者参加了此次挑战，34名（6％）参赛者提交了算法。当使用集合模型组合时，由前5个AI算法产生的自动分割的精确度（Dice系数= 0.79），在6位人类专家平均差异的基准范围内。在第1阶段，前7种算法平均自定义分割分数(S)在0.15--0.38之间，相对误差欠佳。第2阶段的平均S分数增加至0.53至0.57，其他指标也相应改善。在第3阶段，TOP算法的性能提高了9％。使用集合模型将第2阶段和第3阶段的前5个算法结合起来，性能提高了9％--12％，最终S得分达到0.68。

结论和意义

此次比赛中的AI方法能快速地生成自动化算法，复制了一名训练有素的医生在放射治疗关键任务中的技能。这些AI算法可以通过将专业医生的技能转移到资源贫乏的地区，改善全球的癌症治疗现状。

版权及免责声明

译文由JAMA®出版商AMA授权医邻网翻译，英文原文及译文知识产权归AMA所有。未经授权，不得转载、引用或印刷。授权及合作事宜，请联系医邻网。

邮箱：[email protected]。

©2019 American Medical Association 版权所有。

JAMA®为AMA注册商标，经授权使用。

The JAMA Network®为AMA注册商标，经授权使用。

注：由于产品质量责任、疏忽、其他原因或使用、运行本文所载的方法、产品、说明及理念而对个人及财产造成的任何伤害或损失，AMA和医邻网不承担任何责任。由于医学科学发展迅猛，相关诊断及药品使用剂量均应进行独立验证。