科大工學院公布成功研發了一款新型深度學習模型，以協助醫生辨別12種常見的膝關節異常狀況，同時提升診斷的準確度和效率。領導是項研究的科大計算機科學及工程學系兼化學及生物工程學系助理教授陳浩說：「這款嶄新的CoPAS模型在診斷能力上表現優異，媲美放射科醫生。它特別可輔助經驗較淺的醫生，縮小他們與資深醫生之間的診斷差距。」
膝關節是一個複雜的鉸鏈型關節，也是人體主要的承重關節之一，支撐我們在日常生活中的各種動作。老化或受傷均可引致各種異常狀況，造成痛楚及損害膝關節功能，影響患者的生活質素。要為每位病人制訂適切的治療方案，就必須先有精準的診斷。可是，膝關節的解剖結構相當複雜，故採用不同的成像掃描方法，往往會得出不同的參數。此外，若醫生經驗不足，亦未必能夠辨識出一些細微病變，可能會影響對病理的判斷。
現時多序列膝關節磁力共振成像（MRI）是一種非侵入式的先進診斷技術，可準確評估膝關節病理。然而，解讀MRI影像的過程非常複雜，須依靠放射科醫生的高度專業知識，而且十分耗時。
有見及此，科大工學院研究團隊與五家醫院合作，收集到1,748名患者的資料，以此建立了一套數據集，當中包括T1加權（T1W）、T2加權（T2W）和質子密度加權（PDW）MRI序列的矢狀面、冠狀面和軸面成像。隨後，研究人員將上述數據集與關節鏡檢查所得的資料結合，再進行全面分析，以確定這些病人所患的12類常見膝關節異常狀況。
通過進一步的解釋性分析，研究人員將臨床經驗表與模型輸出比較，他們發現，模型的決策過程與臨床診斷規律高度雷同。這說明該模型已經建立了一組類似於放射科醫生使用的規則，令它在臨床應用更為可靠。相關研究已於《自然通訊》期刊上發表。
Text：Fion
延伸閱讀
