BIOI 独家访谈│专访中国科学院苏州生物医学工程技术研究所高欣教授

BIO Integration自2021年起推出“Voice”系列，通过采访多学科及多行业领域的专家学者，为读者们带来最前沿的专家观点及资讯！

本期专家介绍

BIO Integration 本期采访的是来自中国科学院苏州生物医学工程技术研究所高欣教授[1]。高欣教授是美国德克萨斯医疗中心休斯敦Methodist医院研究院和美国爱荷华大学医院放射科“双料”博士后，所学专业为生物医学工程。2010年9月，他从美国归来加入中科院苏州生物医学工程技术研究所。主要研究方向为前端多模成像技术、术前规划和术中导航技术，以及基于大量临床数据和人工智能的预后评估技术等，致力于为介入诊断和治疗创建综合解决方案。

专访资讯

News and Voice

PAY ATTENTION

01

非常感谢高教授接受BIO Integration的专访。

您能告诉我们更多关于您的背景和您目前的研究兴趣吗？

GX：

我叫高欣，是中国科学院苏州生物医学工程与技术研究所的教授。我曾就读于浙江大学，在那里我积累了介入性诊疗方面的经验。在目前的研究中，我对使用先进的人工智能技术分析大规模组学数据（如影像组学、病理组学和基因组学）以识别与疾病相关的生物标志物和分子特征感兴趣。通过整合多种组学数据集，我希望开发出更准确的疾病诊断、预后和治疗策略，从而最终改善患者的诊疗结局。

02

根据您的背景，我们了解到您目前正在人工智能相关领域进行开创性研究，是什么引起了您的兴趣，并引导您走入这个领域？

GX：

我对人工智能相关领域的兴趣大约始于6年前，当时我们小组正在利用医学图像进行肿瘤分割和预测肿瘤治疗反应。我们发现，新兴的人工智能技术明显优于传统方法。我对人工智能和机器学习算法解决医疗保健中复杂问题的潜力产生了浓厚的兴趣。人工智能通过实现更快、更准确的诊断、更有效的治疗以及更好的患者结局，彻底改变医学和医疗保健的潜力，这尤其吸引了我。医疗保健领域产生的大量数据，加上功能强大的计算资源的可用性不断提高，使得在这一领域工作变得更加令人激动和振奋 。

随着对这一领域研究的深入，我对人工智能在精准医疗中的应用越来越感兴趣，特别是在大规模组学数据集的分析中。整合多种组学数据类型并使用机器学习算法从这些数据集中提取有意义的见解的能力，具有转变我们对疾病的理解和改善患者护理的巨大潜力。

总的来说，我被人工智能对人们生活产生真正影响的潜力所驱动，我很高兴能够站在这个快速发展的领域的最前沿。

03

您能分享一些您在AI领域研究中的主要突破吗？

GX：

在AI领域的研究中，我有机会参与一些取得了显著突破的项目。这里有一些代表性的论文。

“Deep learning–based fully automated detection and segmentation of lymph nodes on multiparametric-MRI for rectal cancer: a multicenter study”[2](Ebiomedicine cover article; IF: 11.2)：在这篇论文中，我们的研究旨在解决准确和无创的肿瘤分期评估的挑战。我们在淋巴结成像的机器识别方面取得了突破，识别精度达到了低于3mm，并实现了肿瘤转移的智能诊断及预测。一位伦敦大学学院的高级编辑认为这项工作具有很高的临床转化价值。

图1 T2WI节点分割示例

Ground truth结果用黄色表示，auto-LNDS模型的分割结果用红色表示。淋巴结旁的数字是相应的DSC

“MRI-based machine learning for differentiating borderline from malignant epithelial ovarian tumors: a multicenter study”[3]：在这篇论文中，我们开发了一种基于MRI的机器学习模型，用于准确诊断卵巢癌的两种亚型。该模型能够实现ROC曲线面积大于0.9，优于放射科医师的诊断。这是首次尝试对卵巢癌进行智能非侵入性诊断，我们的发现为国际研究提供了重要的补充。哈佛医学院布莱根妇女医院的Tetsuro Araki教授评论说，我们的工作“可能会显着改变临床管理和结果”（图2）。这项研究的成果已经被应用在包括复旦大学附属金山医院和中山大学肿瘤防治中心在内的医疗机构中。

图2 布莱根妇女医院的Tetsuro Araki教授对上述研究工作的评论

总的来说，这些论文展示了AI和机器学习在改善疾病理解和促进精准医学的临床应用中的潜力。我很自豪能为这些突破做出贡献，并期待着继续推动这个领域的发展。

04

将AI集成到基础和临床研究中的瓶颈是什么？在你的研究过程中，最大的阻碍是什么？

GX：

将AI集成到基础和临床研究仍处于早期阶段，存在几个瓶颈需要克服。其中之一是高质量数据的需求，这对于AI模型的开发和验证至关重要。获取大量高质量的数据可能需要消耗时间和资源。另一个挑战是需要跨学科的合作，因为AI研究需要计算机科学和应用领域的专业知识，如医学或生物学。由于这两个领域的语言和文化差异，这种合作可能具有挑战性。

缺乏用于收集和处理基因组学数据的标准化协议是阻碍我当前研究工作的一个因素，这可能导致数据质量、类型和准确性的可变性，并影响AI模型的准确性和可重复性。为了解决这个问题，需要不同研究小组之间的合作以及制定数据收集和处理的标准化协议。

05

您的一些研究是否已在临床环境中采用或正在进行临床试验？为了实现这种“从实验室到临床”的转变需要哪些准备？您会建议其他科学家也这样做吗？

GX：

是的，我的一些研究已经在临床环境中被采用，并正在进行临床试验。例如，我们开发了一款基于先进的深度学习算法的智能骨密度工作站，可以自动识别人体的CT图像中的椎体，并计算椎体的骨密度（图3）。初步结果显示，椎体识别的准确性超过94%，与资深医师手动测量结果的符合率达到90%。

图 3 骨密度智能工作站的界面

“从实验室到临床”的过渡是确保患者和临床医生能够获得人工智能研究益处的关键一步。为了实现这一目标，需要高度重视将研究结果转化为可集成到现有工作流程中的实用临床工具。这一过程的关键步骤之一是与临床医生和行业合作伙伴建立合作关系，以帮助指导开发满足患者和医疗保健提供者需求的人工智能工具。同时也要考虑监管要求，并确保任何基于AI的工具都经过严格评估，确保安全性和有效性。

我肯定会建议其他科学家进行那些有可能被转化为临床实践的研究。然而，重要的是要正视从研究成果转化为实际应用的挑战，并愿意与临床医生、行业合作伙伴和监管机构合作，以确保从“实验室到临床”的过渡是成功的。

06

对于现在年轻的科学家们，您有什么建议？

GX：

我对当今年轻科学家的建议是，要对自己的研究充满热情，并以坚定的决心和毅力追求自己的兴趣。我鼓励年轻科学家探索新想法，创造性地思考，并乐于与来自不同学科的同事合作。此外，我认为对于年轻科学家来说，了解他们所在领域的最新发展并密切关注可能与他们的研究相关的新兴技术和方法非常重要。这需要致力于终身学习，并愿意在面对新的挑战和机遇时具有灵活性和适应性。最后，我要敦促年轻科学家在研究中秉持科学诚信和道德行为。因为在科学研究的各个方面保持高标准的严谨性和透明度，并确保准确、诚实地报道研究结果是至关重要的。通过这样做，我们可以建立对科学事业的信任，并为我们对周围世界的理解做出有意义的贡献。

07

对于BIO Integration这本期刊，您有什么建议？

GX：

我对BIO Integration的建议是继续优先考虑高质量的研究，并在科学界建立良好的声誉。这可以通过保持严格的稿件审查和选择标准，以及积极寻找和促进该领域的创新和有影响力的研究来实现。此外，我鼓励BIO Integration营造一个合作和包容的环境，重视多样性，促进作者、审稿人和读者之间开放和建设性的交流。这有助于围绕期刊建立一种社区和参与意识，并培养一种持续学习和改进的文化。最后，我建议BIO Integration考虑采用科学出版中的新兴技术和方法，如开放获取和预印本服务器，以帮助增加已出版研究的范围和影响。通过紧跟这些趋势的最前沿，BIO Integration可以继续吸引高质量的研究，并成为该领域的领先期刊。

【参考文献】

[1] Phei Er Saw. Voice Series: Interview with Professor Dr. Xin Gao, Suzhou Institute of Biomedical Engineering and Technology, Chinese Academy of Sciences. BIO Integration 2023; 4(4): 141–144.DOI: 10.15212/bioi-2023-0011.

[2]Xingyu Zhao, Peiyi Xie, Xin Gao,et al.Deep learning-based fully automated detection and segmentation of lymph nodes on multiparametric-mri for rectal cancer: A multicentre study.EBioMedicine. 2020 Jun:56:102780.

[3]Yong'ai Li, Junming Jian, Xin Gao,et al.MRI-Based Machine Learning for Differentiating Borderline From Malignant Epithelial Ovarian Tumors: A Multicenter Study.J Magn Reson Imaging. 2020 Sep;52(3):897-904.

FollowBIOIon Twitter

Twitter:@JournalBio

Facebook:

BIO Integration

ISSN2712-0074

eISSN2712-0082

关于 BIO Integration

BIO Integration是一本生物医学交叉领域的综合学术期刊，由南华大学陈智毅教授和浙江大学黄品同教授担任共同主编。BIO Integration与Compuscript国际出版集团合作，严格遵守双向匿名同行评议制度，旨在搭建一个高层次医、工、理学术交流平台，报道国内外生物医学领域具有突破性进展的研究成果、综述和观点，促进生命科学、临床医学、公共卫生、生物医药及科技产业等相关领域工作者之间的交流互动，使不同学科思维在这个多学科交融的舞台上互为启迪，推动知识创新，促进相关领域的研究发展，实现临床转化，带动产业化发展。