课题简介-人工智能辅助诊疗系统在儿童淋巴瘤诊疗方案优化中的研究

项目经费

9.6  （万元）

中文摘要

目的： 针对儿童淋巴瘤诊疗中病理误诊率高（基层达30%-40%）、治疗方案标准化不足、基层资源匮乏三大痛点，开发人工智能辅助诊疗系统，实现精准分型、动态优化及跨机构赋能。方法 采用分阶段混合设计：机器学习+模型训练（n=200例）：整合病理图像（Grad-CAM可解释处理）、流式细胞术（FCM-Former自注意力机制）及基因NGS分型，构建诊断模型；基于强化学习开发动态优化引擎，结合毒性预测（CatBoost算法）实时调整方案。RCT验证疗效：纳入200例初诊患儿（1:1随机分组），试验组采用AI推荐方案（医生审核），对照组执行NCCN指南。主要终点为1年总体缓解率（ORR），次要终点包括诊断准确率、≥3级毒性发生率及基层误诊率。真实世界推广：通过联邦学习在3家三甲+5家县级医院部署，评估模型泛化能力。

创新点：首创新型多模态融合:统一流式、病理与分子数据,罕见亚型鉴别准确率提升15%;动态治疗闭环：基于SHAP可解释的强化学习引擎,使EFS提升10%、严重毒性降低20%;基层赋能模式:联邦学习实现跨机构诊断一致性＞90%，基层误诊率降至10%以下;儿科伦理框架:家长分级授权+儿童剂量校正模块保障安全。

结论：本研究构建全球首个儿童淋巴瘤专用AI诊疗系统，通过“精准诊断-动态优化-资源协同”三位一体模式，突破传统诊疗局限，为推进儿科肿瘤精准医疗提供可复制范式。

项目组成员

姓名

职称

项目分工

赵艳霞

主任医师

课题设计，联络医院

郭峻宏

无

收集病例，机器学习