中科院自动化所董迪（第七批会员）研究员与兰州大学第二医院、贵州省人民医院、广东省人民医院开展多中心合作研究，提出了基于多焦点网络的深度学习方法，可有效预测胃癌患者的总生存期。相关研究结果发表于国际主流期刊IEEE Journal of Biomedical and Health Informatics（2021，DOI： 10.1109/JBHI.2021.3087634，中科院Top期刊），论文题目为：“Multi-Focus Network to Decode Imaging Phenotype for Overall Survival Prediction of Gastric Cancer Patients”。

胃癌是我国的高发癌种，全球约有一半的胃癌新发和死亡病例集中在我国，这给我国带来了巨大的社会和经济负担。在治疗之前预判胃癌患者的生存期对于制定个体化的治疗方案尤为重要，但是目前医生根据经验很难判断胃癌患者的生存期，导致患者缺乏针对性的治疗。针对这一挑战性的临床问题，中科院自动化所团队提出了一种基于多焦点的深度学习网络模型，可同时提取胃癌CT影像中国低层和高层语义信息，解码胃癌的影像表型，从而预测胃癌患者的总生存期。

该研究提出的多焦点网络模型结构如图1所示，左侧子网侧重于提取低层特征，右侧子网侧重于提取高层特征，通过融合关键特征实现胃癌患者的生存期预测。与现有临床模型、基于手工定义特征的影像组学模型、现有主流深度学习模型相比，多焦点网络模型具有最好的生存期预测性能，在不同的数据集上都有较高的C-Index（训练集：0.77，95% CI：0.74-0.81; 验证集：0.74，95% CI：0.69-0.79; 测试集：0.76，95% CI：0.70-0.82）。在外部测试集上，多焦点网络模型也表现出较好的泛化性能。此外，基于风险比（hazard ratio，HR）的分析结果也表明，多焦点网络模型可将患者进行生存风险分层（训练集：5.57，95% CI：3.89-7.99; 验证集：3.50，95% CI：2.27-5.37; 测试集: 9.46，95% CI：2.30-38.91）。   

该论文由中科院自动化所博士生张利文作为第一作者，董迪研究员（青促会会员）和博士生钟连珍为并列第一作者，田捷研究员（中科院自动化所/北航-首医大数据精准医疗高精尖创新中心）、周俊林主任（兰州大学第二医院）、王荣品主任（贵州省人民医院）和刘再毅主任（广东省人民医院）为并列通讯作者。该研究得到了国家自然科学基金、科技部重点研发计划、北京市科委项目、中科院青促会等项目的资助。

论文下载链接：https://doi.org/10.1109/JBHI.2021.3087634