青年医生周天晗：在医学人工智能领域深潜

采写 | 董杰

周天晗：在医学人工智能领域深潜

当今，人工智能的浪潮席卷各个领域，而现代医学领域更是被这股浪潮推上了一个全新的高度。

当你看到这样的场景：一个人坐在电脑前，手指在键盘上灵活移动，伴随着“嗒嗒”的敲击声，显示屏上出现一行行整齐的代码，这或许不是一个程序员的工作日常，而是一位普外科医生的科研日常。

对于杭州市中医院青年医生周天晗来说，从研究生开始，他的科研课题便与人工智能深度捆绑，利用影像组学、病理组学、蛋白和代谢组学等多组学及深度学习等先进技术开展了一系列研究，为甲状腺癌疾病的精准诊疗添一份力。

上千次的尝试

甲状腺癌是一种预后相对较好的肿瘤。但是，仍有20%~65%的甲状腺癌早期便会发生颈部淋巴结转移，显著增加复发和死亡风险。研究显示，如果转移淋巴结超过5个（大容量淋巴结转移），术后复发率将超过30%。这类具有中高危复发风险的患者需要进行预防性淋巴结清扫，但低复发风险患者是否有必要进行预防性清扫仍存在争议，甚至，有部分学者主张以主动监测替代传统的手术。因此，术前准确评估颈部淋巴结转移至关重要。临床中，通过超声来判断甲状腺结节的良恶性可达较高的准确性，但术前评估淋巴结是否有转移缺仍是临床上的一个难点。

从读研开始，周天晗便运用人工智能的方法开展了多项研究。那么针对术前淋巴结转移评估这个业内难题，是否也可以通过人工智能，来找到提高诊断准确性的方法，帮助手术决策呢？

经过查阅相关文献，并结合自己的科研经验，周天晗和黄海主任团队将目光聚焦在了影像组学和深度学习上，希望通过这两种先进技术的结合进行多维度的探究，建立一个融合模型，对甲状腺癌淋巴结转移进行更准确的评估。基于超声图像影像组学，将二维超声图像转换成高维度、高通量的数据，其中包含很多肉眼无法发觉的信息。该模型将不仅能评估淋巴结转移状态，还能够评估转移的容量。

“我希望通过我们的努力，哪怕能给学科发展做出一点小小的贡献，也是值得的。”周天晗表示。

然而，想要得到一个理想的模型并不容易。筛选与大容量淋巴结转移相关的影像组学特征，可以用到很多方法，到底怎样才能构建足够的诊断准确性的模型，犹如黑夜里行走，只能不断去摸索。

“不同算法的准确性有高有低，需要我们反复去尝试，这个过程花了近一个月的时间，跑了几百上千个模型，最终才选出了比较满意的模型。”周天晗解释，模型是用来解决临床问题的，因此，首先要保障有较高的准确性；其次，准确性还要能够得到外部数据的验证。模型的准确性、敏感性、特异性及各项指标都要优于现有临床诊断方法，才是有意义的。

作为该项研究的总结性成果展现，2024年9月，“基于影像组学和深度学习甲状腺乳头状癌大容量淋巴结转移的临床研究”论文在《腺体外科》（Gland Surgery，GS）杂志发表，研究开发出影像组学-深度学习整合模型，为甲状腺乳头状癌患者个性化治疗提供指导。

图1 倪中凯和周天晗以共同第一作者发表在GS杂志上的研究（点击文末阅读原文查看）

周天晗表示，接下来团队还将进一步进行模型的可解释性工作，以加强对模型内部机制及模型结果的理解。此外，还会纳入更大的临床队列进行验证，如果效果满意，期待后续能够开发相关诊断设备实际应用于临床，帮助进行临床决策。

迈进人工智能神秘殿堂

最初接触人工智能领域时，周天晗还在读研究生。当时，学校设立了“研究生拔尖创新人才培育项目”，面向全校4个临床学院提供10个课题资助名额。这是一个竞争激烈的项目，平均每1000名学生中只有2人能够入选。周天晗凭借其申报的课题——利用机器学习算法预测甲状腺乳头状癌患者右喉返神经后方淋巴结的转移情况，成功脱颖而出，获得了其中一个宝贵名额。当时申报的同学大多是做基础研究的学术型研究生，只有他一人是专业型硕士研究生。

在当时读研的2021年，机器学习尚属于新事物。在导师罗定存教授的引导下，周天晗接触到这一新兴领域。这项课题回顾性分析了2014年3月至2019年7月在杭州市第一人民医院肿瘤外科接受手术的907例甲状腺乳头状癌患者，运用Logistic回归分类树、随机森林、梯度提升法、支持向量机等机器学习算法进行特征变量选择，构建了甲状腺乳头状癌右喉返神经后方淋巴结转移的预测模型，研究成果于2021年末在《中国实用外科杂志》发表。

通过该课题的开展，周天晗正式迈进了人工智能这个神秘殿堂，并对机器学习算法产生极大兴趣。机器学习涉及计算机领域知识，他便从零开始学习编写代码，写得多了，便熟能生巧。如今，科研工作所需的代码，自己基本都能够完成。周天晗笑言，希望成为医生中会写算法的，而会写算法的人中又会看病的人。在兴趣的指引下，他在人工智能领域深入学习，并逐渐将其作为自己的科研方向。

在读研阶段，周天晗便以第一作者身份发表了数篇SCI论文。走上临床后，他继续发挥自己在科研上的兴趣和优势，在临床工作之外又做了大量的科研工作。如今工作短短2年时间，他便在European Radiology、International Journal of Surgery等国际知名期刊发表了20多篇SCI论文。他希望通过自己的尝试，能够对实际临床有所帮助，或寻找到一些解决问题的方向。

谈到科研路上的引路人，周天晗特别感谢导师罗定存教授，“罗老师在我的生命中充当了太多的角色，给了我太多的帮助。他手把手地教导，让我从一个科研‘小白’，慢慢学习了统计学知识，建立了科研思维，确定了研究方向，再深入去做甲状腺癌精准诊疗以及人工智能方向的一些课题。” 

除了学业上的教导，罗定存教授还参与了周天晗人生重要的时刻。今年，作为婚礼的证婚人，罗定存教授手写了很长的发言稿，讲述了他们师生从相识到共事的故事，感人至深。

图2 周天晗与导师罗定存教授合影

用底层逻辑做事

在读研期间，周天晗还结识了从瑞典卡罗林斯卡学院回国的徐磊老师，跟随他学习了一段时间的人工智能相关知识，徐老师通常会用“底层逻辑”做事，能够从事物的本质出发，进行深入的分析和思考，让周天晗受益良多。

徐磊老师坚持更应该把成本投资在人的能力提升上，而非对实验平台等硬件的投入，通过一次次的锻炼，能力就会逐步得到提升，这是解决科学疑难问题关键的素质。

“跟随老师学习时，他会指出我工作中缺少哪部分结果，需要做什么，但他不会直接告诉怎么做，而是让我自己去摸索，有不懂的再向他请教。对某个领域我一开始是完全不了解的，但通过主动学习，最终完成任务的过程是非常有收获的。”周天晗讲述。

在周天晗的一篇论文中，老师建议绘制一张包含敏感性、特异性和约登指数等多个指标的曲线汇总图，以便更好地对研究结论进行解释。

“虽然我知道每个指标的计算方法，但从未想到将它们汇总在一张图中，而且我也未曾见过这样的图。”对于周天晗来说，绘制这张图是对自己的一个挑战，他也愿意去迎接这个挑战。他开始寻找代码，调试代码，最终成功绘制出了这张图。经过老师指导调整后，这张图最终被用在了论文中。周天晗感慨，学习制图的过程比直接得到一张图的成就感要大得多。

图3 周天晗自行摸索学习绘制的包含敏感性、特异性和约登指数等多个指标的曲线汇总图

对于如何快速掌握一门技能，周天晗有自己的学习方法：一、利用发达的网络获取信息资源，集中学习；二、借助高效学习的工具达到事半功倍的效果；购买实体书，将其作为学习的工具，有目的性地翻阅当前需要的知识点。

身处中医医院，周天晗所在的普外科也带有中医特色，在科室黄海主任和倪中凯副主任的带领下，开展中西医结合减重手术，建立了胆石症快速康复病房，通过中医理疗、中药调理、结合药膳，使患者更快地恢复正常的生活状态，助力加速康复理念的实现。

“传统中医通过望、闻、问、切的诊断方法，结合历代医学经典和老一辈的实践经验，逐渐传承下来。然而，中医的某些方面难以用现代科学的语言来解释。”周天晗表示。为了将中医的特色以科学的方式展现出来，构建科学体系，形成循证医学证据，为临床实践提供更多的支持，周天晗所在团队将深度学习的方法应用于用传统医学四诊的大数据模型分析中，通过更加深入、精细的大数据分析，进行疾病的预测。

做科研就是不断地寻找，不断地探索能够带来有益改变的可能，每一次尝试都具有意义。对周天晗来说，科研成果出来之前犹如漫漫长夜，时感难熬，而一旦得到乐观结果，便迎来了光明，重要的是坚持下来。

2023年，周天晗作为第一作者，在European Radiology杂志发表文章，对比了人工智能辅助诊断与细针穿刺对甲状腺结节的诊断效果。研究得出，人工智能辅助诊断能够实现与穿刺相似的诊断效果。

这项成果为患者带来了福音，鉴于其在可操作性、时间效率、无创性以及超声造影的广泛可用性等方面的优势，为甲状腺结节诊断提供了一种新的选择。

相关信息发布后，陆续有患者前来咨询。一些患者已发现甲状腺结节良久，但因害怕穿刺一直未得到良恶性诊断，欣喜于人工智能诊断系统能够提供无创的诊断方法；一些患者虽已做穿刺，但结果显示意义不明确的非典型病变，需要临床医生来判断，此时，人工智能系统则可作为辅助诊断，帮助医生判断肿瘤的良恶性，实现精准诊疗。

从这些患者身上，周天晗看到了自己做科研的价值。

专家简介

周天晗

硕士研究生，毕业于浙江中医药大学，外科学。现就职于杭州市中医院普外科，医师。主要从事普外科临床与基础研究工作。研究方向为医学统计学，影像组学、病理组学、蛋白及代谢组学等多组学及深度学习的研究。在European Radiology、International Journal of Surgery等国际知名期刊发表SCI论文20余篇。