AI超声 | ADNEX-AI智能超声从手动到全自动:深度学习重塑卵巢肿瘤风险评估
作者：微信文章"怀长期主义，聊医声科技"
欢迎添加超哥微信加入交流群，获取前沿，合作等资讯添加微信时请备注姓名，单位，从事方向等讯息
不错过医工超人文章三部曲：1. 关注公众号 2. 经常点击“在看” 3. 点击公众号右上方设置“星标” 每篇文章都会按时推送不错过
全文2175字，深度阅读需要8分钟
传统ADNEX模型准确（AUC 0.93），但需手动测量特征，费时且变异大。本研究开发ADNEX-AI，深度学习系统自动分割超声图像中病变、囊腔、固体组织、乳头状突起四特征，输出量化值。训练于11中心369患者（816图像，43%恶性），验证于1088患者（8008图像，35%恶性）。ADNEX-AI AUC 0.930（含CA-125），略低于传统0.945，但校准更好（O:E 1.10 vs 1.23），中心间一致性高，临床效用相似。AI减少手动工作，保留可解释性，便于非专家使用。
卵巢癌是一种常见的女性癌症，在全球女性癌症中排名第八，是妇科癌症中最致命的一种。很多女性在发现时已经是晚期，导致五年生存率只有30%到50%。这是因为早期症状不明显，常常被忽视。医生通常用超声波检查来评估卵巢肿块（也叫附件肿块），判断是良性还是恶性，从而决定治疗方案——良性的可以保守观察或微创手术，恶性的需要转到专科肿瘤中心多学科治疗。超声检查便宜、安全、容易获取，但准确性取决于医生的经验。
传统上，医生用一个叫ADNEX的风险模型来帮忙评估。这个模型由国际卵巢肿瘤分析（IOTA）组开发，已经在很多研究中验证过，准确率高（AUC约0.93）。它考虑了9个因素，包括患者年龄、CA-125血清水平（可选）、肿瘤最大直径、固体组织比例、囊腔数量、乳头状突起数、声影和腹水等。但问题在于，这些特征需要医生手动测量和识别，费时费力，而且不同医生之间可能有差异，尤其在经验不足的诊所。
为了解决这个问题，研究团队开发了ADNEX-AI，一个结合深度学习的AI系统。它能自动从超声图像中分割出四个关键特征：整个肿瘤、囊腔、固体组织和乳头状突起，然后计算出量化值（如直径、比例等），再输入到原ADNEX模型中计算风险。这样就省去了手动测量，还保持了模型的可解释性——医生能清楚看到每个特征怎么影响风险评估。研究用多任务卷积神经网络（基于nnU-Net框架）训练，添加了辅助头来直接预测固体比例和乳头数。
这项研究是前瞻性多中心队列，涉及11个中心（6个国家）的1457名患者（总计8824张图像）。他们用GE超声机采集原始RAW图像，避免了回顾性研究的图像退化问题。开发集有369患者（816张标注图像），验证集有1088患者（8008张图像）。患者主要是拟手术的附件肿块患者，平均年龄52-53岁，约35%-43%为恶性。CA-125缺失率约40%，用多重插补处理。参考标准是手术后组织病理，没有中央复核，因为先前研究显示本地和中央一致。
结果显示，ADNEX-AI的分割准确性高：肿瘤DSC中位93.6%，囊腔88.3%，固体75.8%，乳头100%（因为很多图像无乳头）。AI生成的预测变量变异小，比医生手动测量更一致。在验证集上，含CA-125时ADNEX-AI的AUC是0.930（95%CI 0.913-0.943），传统ADNEX是0.945（P=0.004）；无CA-125时分别是0.914 vs 0.937（P<0.001）。虽然AI略低，但风险校准更好（O:E比1.10 vs 1.23），临床效用（决策曲线）几乎相同。在10%阈值（推荐转诊点），AI敏感性94.9%、特异性65.3%，传统是91.9%和80.3%。AI在不同中心间一致性更高，减少了观察者变异。
ADNEX-AI的优势在于自动化，适合经验不足的医生使用，还降低了中心间差异。SHAP分析显示固体比例影响最大，其次是声影和CA-125。但局限包括：只用GE机图像，其他厂商待验证；部分中心招募中断；CA-125缺失；只包括手术患者，忽略保守管理；训练图像有限，可能压缩了变量范围导致AUC略低。
总之，ADNEX-AI是AI在妇科肿瘤诊断的进步，能推广高质量风险评估到更多诊所，帮助早诊早治。未来需验证其他设备、加入3D或视频、包括保守患者，并评估临床工作流影响。
参考文献
Geysels, A., Garofalo, G., Timmerman, S., Ceusters, J., Buonomo, F., Fischerová, D., Testa, A.C., Moro, F., Sladkevicius, P., Jokubkiene, L. and Van Holsbeke, C., 2025. ADNEX-AI: automated extraction of ultrasound predictors for interpretable ovarian cancer risk stratification. npj Precision Oncology.
"怀长期主义，聊医声科技"
我是超哥，超声行业17年老伙计，做过研发，搞过生产，趟过市场，开过（在开）公司；越野跑爱好者；工作狂；沟通粗暴直接；严苛完美主义者；起伏皆为过往；信奉长期主义和第一性原则；欢迎来聊来组局...
我是超哥，下期见...
欢迎添加超哥个人微信和超哥可以谈项目，聊技术，搭平台，做咨询，介绍工作等等等等添加微信时请备注（姓名-单位-职位-合作意向）（可扫描下方二维码添加超哥微信）
*声明*
本公众号注明原创的内容权利属于本服务或本服务权利人所有，未经本服务或本服务权利人授权，任何人不得擅自使用（包括但不限于复制、传播、展示、镜像、上载、下载、转载、摘编等）或许可他人使用上述知识产权的。已经本服务或本服务权利人授权使用作品的，应在授权范围内使用，并注明作者来源。否则，将依法追究其法律责任。
根据我国《著作权法》第22条的第1款关于“合理引用”有如下规定：为了介绍、评论某一作品或者说明某一问题，在作品中可以适当引用他人公开发表的作品；在这种情况下使用他人作品，可以不经著作权人许可，不向其支付报酬，但应当注明作者姓名和作品名称，这被称为合理引用。本文涉及的所有总结性内容均属作者创作成果，引文会标出出处，严禁个人获组织对本公众号文章进行恶意投诉，一经证实将追溯其法律责任。
页:
[1]