视神经脊髓炎也是中枢神经系统常见的炎性脱髓鞘疾病，发病率仅次于多发性硬化，在亚洲更加多见，尤其以女性多发，男女比例大约是1:4。该病主要累及视神经、脊髓、脑，血清特异性自身抗体为AQP4抗体阳性。85%-90%患者会复发，预后比多发性硬化更差。

结果显示，和非进展的患者相比，进展的MS患者具有更密集的病灶连接，而且病灶的病变体积更大。同时也实现了模型及结果可视化、病灶3D可视化、病灶网络连接可视化和病灶体积可视化。

人工智能是不是能帮助我们来做一些工作呢？人工智能是利用计算机技术模拟人类的思维和学习过程，使之胜任人类智能才可完成的复杂工作。它的发展从1950年，计算机和人类智能的交互开始，再到1980年机器学习的算法改进，使我们能够进行大数据处理，再到2010年深度学习中的智能神经网络解码更深层次的影像信息。

宣武医院收集了116例脑脱髓鞘病患者，其中78例为MS，38例为NMO，包含两个数据集，既有1.5T又有3T。我们收集了T1-MPRAGE和T2WI两个序列的影像数据，以及患者的残疾程度评分、病程等临床信息。

以前的文献报道中，MS磁共振预测研究的准确率大约为58%~70%，其临床表现和影像学的征象通常不匹配，磁共振的病灶缺乏特异性，T2WI和T1WI上病灶的病理特征也缺乏特异性。

和以往的鉴别诊断模型比较，拓扑模型具有更高的AUC，达到0.875，准确性和特异性也很高。

这部分研究共收集了90例进展的MS和54例非进展MS，如果残疾量表增高1.5分以上就定义为进展，小于1.5分定义为非进展，用T2WI数据进行训练。通过对病灶进行勾画提取多发病灶的空间模式。

这是具体的影像组学工作流程图，从图像采集与分割，到深度特征、语义特征、形态特征及纹理特征的提取，再到进行特征筛选与模型构建。特征筛选和建模均有很多方法可供选择。

这是2017版的多发性硬化诊断标准，可以看到在诊断中我们既需要客观的临床证据，也需要一些额外的证据。其中，磁共振成像是协助多发性硬化诊断的最重要的评估方法。

以下是卢洁教授的演讲内容，雷峰网《医健AI掘金志》进行了不改变原意的整理。

机器学习模型由高维的组学特征组成，所以其解释性相对来说比较差，不容易理解。SHAP是目前比较流行的一种模型解释方法，通过计算在合作中每个个体的贡献来确定个体的重要程度。本模型具有可解释性，对于case A，随机森林模型判断有89%可能性是MS，其中最主要的贡献来自H-MPR-Log_95这个特征，我们可以把每一个特征的贡献值计算出来。

我们来看一下组学列线图，它是建立在多因素回归分析的基础上，将多个预测指标进行整合，然后采用带有刻度的线段，按照一定比例绘制在同一平面上，从而用来表达预测模型中各个变量之间的相互关系。

总结一下：

本次高峰论坛邀请了多位顶尖医院的放射科主任及人工智能技术的权威专家，共同探讨人工智能技术在医学影像中的临床应用与科研进展，分享研究心得。

拓扑就是把实体抽象成与其大小、形状无关的“点”，而把连接实体的线路抽象成“线”，进而以图的形式来表示这些点与线之间关系的方法，目的在于研究这些点、线之间的相连关系。拓扑结构图就是表示点和线之间关系的图，拓扑可以应用在分子结构、地理图、DNA结构和绳结等。

我们从T2病灶中提取了1118个定量的组学特征，基于多参数影像表征，构建了随机森林分类模型，将筛选出的9个组学特征和4个临床特征筛选出来纳入模型。