自2012年Philippe Lambin教授首次提出“Radiomics(影像组学)”概念以来，吸引了诸多研究人员的关注，人工智能技术与医学图像结合在临床应用研究中得到了快速发展，呈现出极强的应用潜力。人工智能分析方法可以从医学影像中提取海量客观、定量的信息，大大丰富拓宽了临床实践和基础研究可获取的信息，结合先进的机器学习、深度学习、大模型等架构可开发精准、客观、定量的临床辅助决策系统，是未来精准医疗、智能医疗发展的核心驱动力之一。山东第一医科大学医学信息与人工智能学院孙凯自开展研究工作以来，研究领域主要聚焦于智能医学影像分析和多模态融合技术方向，以临床应用需求为指导，涵盖治疗前的辅助诊断、疗效预测与治疗后的预后预测等临床诊疗全流程。其中主要代表性研究方向为基于多模态影像的抑郁症辅助诊疗研究，兼顾基因、影像的多组学融合分析研究。
孙凯博士
其中主要代表性研究方向为基于多模态影像的抑郁症辅助诊疗研究，兼顾基因、影像的多组学融合分析研究。
一、 在抑郁症的智能辅助诊断研究方向
尽管情感障碍已是全球性疾病，但发病机制仍不清晰，且诊断多依赖临床访谈，存在主观性，亟需客观、精准的诊断指标。研究于2019年将radiomics分析思想从肿瘤分析引入到脑功能影像分析中，提出结合统计分析与LASSO的多阶段特征选择流程（图1），采用SVM建立了健康人（HC）与双相情感障碍患者（BD）的诊断鉴别模型，该模型鉴别精度AUC达0.838，准确率达80.5%。该研究证明了radiomics分析方法对脑精神疾病的适用性，于2020年发表于中科院1区TOP期刊Cerebral Cortex上，但该研究仅采用了单模态的功能特征，未纳入结构模态信息。随后的研究将结构模态与功能模态一起纳入基于多模态的重度抑郁症（MDD）诊断工作，采用多模态多类型特征的全组合方式，找到了一种最佳的早期融合策略，基于该种融合方式构建的分类模型对MDD和HC的鉴别精度达AUC=0.916，ACC=84.8%，该研究于2022年发表于中科院2区TOP期刊Journal of Affective Disorders上。现有的常用结构特征对脑皮层的结构变化信息量捕捉有限，对于脑皮层、脑沟回的褶皱、纹理等信息挖掘尚不充分，研究将灰度游程矩阵、灰度共生矩阵等高阶纹理特征引入脑皮层纹理分析，基于一般的结构相似性网络（MSN）提出了一种新型、高阶结构相似性结构网络特征（MSN_II，计算示意见图2），并使用该特征与传统GMV特征联合开发了一种MDD与BD的辅助鉴别模型，该模型可有效提高GMV特征诊断精度，对MDD和BD的鉴别精度AUC=0.896，ACC=83.1%，并通过消融实验证明该特征与GMV可从不同角度挖掘大脑中的结构信息，该研究于2024年发表于中科院2区TOP期刊Journal of Affective Disorders上。
图1. 影像组学应用于BD与HC的鉴别研究流程图
图2. MSN_II计算流程图
二、在抑郁症的智能疗效预测方面
耳甲电针疗法（taVNS）是一种新型的中医物理疗法，具有治疗MDD的应用潜力，但存在个体差异，缺乏在治疗前即可预测taVNS疗效的工具。汇报人将脑功能网络特征（RSFC）用于taVNS对MDD的疗效预测研究，采用双层嵌套结合图论的方法找出对taVNS疗效敏感的关键脑区及功能连接，之后基于这些特征构建回归模型预测治疗前后HAMD（ΔHAMD）的改善率，预测精度R2达0.44，基于这些特征构建的分类模型预测有效/无效精度AUC达0.856。该研究与中医科学院广安门医院合作，于2024年发表于Asian Journal of Psychiatry上。
图3. taVNS治疗MDD的疗效预测模型构建研究流程图
三、在情感障碍的宏观影像、微观分子信息多组学融合方面
随着研究的深入，将微观分子信息与宏观影像表征联合分析有助于挖掘更多信息，进一步提高智能模型的精度，促进模型的可解释性。本研究系统综述了2018年1月1日至2024年2月1日期间发表的关于MDD和BD的研究，重点关注使用 MRI 和遗传数据的研究，探究这两种情感障碍亚型在影像学表型和潜在分子基础方面的异同。综述揭示了表观遗传修饰（如DNA甲基化）在大脑结构和功能变化中的关键作用。与MDD相关的基因和通路直接与抑郁症状有关。相比之下，与BD相关的则是情绪调节和认知功能。此外，fMRI研究显示，MDD的异常通常集中在与情绪调节和应激反应有关的区域，而BD的异常则多集中在与奖赏处理和情绪稳定性相关的神经回路。该研究于2024年发表于国产新刊Brain-X上，因在发表前3个月内被下载572次，被Wiley出版社评选为“2024年第三季度威立Wiley中国高贡献作者奖”。
图4. BD和MDD的影像与分子信息联合研究中常规分析方法示意
后续将进一步聚焦于抑郁症的智能辅助诊疗工作，将LLM结构、功能结构耦合、成像转录组学技术应用于抑郁症辅助诊疗模型开发与机制证明中，力争实现抑郁症辅助诊疗模型最终转化落地。
