近日，首都醫科大學附屬北京朝陽醫院（以下簡稱朝陽醫院）耳鼻咽喉頭頸外科李天成團隊在耳鼻咽喉頭頸外科頂刊Laryngoscope雜志發表論文《聲帶白斑危險分層新型特征分析及預測平臺建立》。Laryngoscope雜志創建于1896年，至今已有128年的悠久歷史，為百年金牌雜志，是耳鼻咽喉頭頸外科領域公認的頂刊之一。

該文為朝陽醫院、北京大學第一醫院、哈佛醫學院麻省總院的團隊聯合發表。朝陽醫院耳鼻咽喉頭頸外科主治醫師李祖飛為第一作者，副主任李天成為通訊作者。

聲帶白斑（Vocal cord leukoplakia，VCL）是一種臨床描述性診斷，是一類癌前病變，是指聲帶粘膜上有異常的白色斑塊或斑片，不能在臨床上歸類為任何一類疾病，《2017年世界衛生組織藍皮書》將VCL的五個病理學等級簡化為低風險（鱗狀增生，輕度不典型增生）和高風險組（先前的中度和重度不典型增生，上皮癌）。低危等級聲帶白斑須保守治療，而高危VCL的惡變率為20％，需要盡快手術治療。目前，僅憑肉眼根據臨床經驗無法有效識別VCL為低危還是高危。

李天成團隊率先借助影像組學技術，從二維的喉鏡圖像中，提取到500余個肉眼無法識別的紋理特征，并通過套索回歸（Lasso 回歸也叫套索回歸，是通過生成一個懲罰函數是回歸模型中的變量系數進行壓縮，達到防止過度擬合，解決嚴重共線性的問題）以及相關性分析等特征篩選方法，最終篩選到12個非常典型的紋理特征，使用10余種人工智能機器學習算法建立VCL的危險分層預測模型。發現基于五折交叉驗證（五折交叉驗證是一種常用的機器學習模型評估技術，通常用于估計模型的性能和泛化能力）的隨機森林算法建立的模型，其準確度、靈敏度、特異度及ROC曲線下面積分別為：92.2±4.1%, 95.6±4.0%, 85.8±5.8%, 90.7±4.9%. 另外其獨立驗證集結果：92.3%, 95.7%, 90.0%, 93.3%，遠遠高于主治醫師以上的醫師的準確率（AUC between 63.1-75.2%）。

最終模型被制作成網頁版預測模型，可用于VCL危險分層的預測，具有廣泛的實用性。將來，團隊會進行多中心驗證，進一步提高并優化VCL預測模型，以期該模型能更好地服務于VCL的臨床診斷。

原文圖2：將彩色喉鏡圖像分成9個顏色通道，每個通道分別提取紋理特征。

原文圖4：Lasso特征篩選出數十個特征，進一步根據最相關法篩選到12個最終特征

原文表1：10種機器學習算法分別建模，五折交叉驗證，選取最佳算法。

原文圖5：獨立驗證集的模型測試結果。

原文圖6：SHAP分析對特征重要性進行排序。

原文圖7：模型被建立為網頁版預測模型（http://124.223.201.187/VCL-revised.html）。

第一作者簡介

李祖飛，醫學博士，主治醫師，2015年8月參加工作，師從韓德民院士及黃志剛教授，致力于人工智能醫工交叉研究，本人掌握Python、TensorFlow、Keras、PyTorch等AI軟件；以第一/通訊作者在耳鼻喉頂刊Laryngoscope等雜志發表中英文論文20篇，其中SCI占14篇；主持省部級、局級課題各一項，以項目骨干參與國家重點研發計劃；耳鼻喉頂刊Laryngoscope、Biomedical and Environmental Sciences、ENT、Frontrier in immunology等雜志審稿人，AME期刊集團編委；2023年浙大一院鼻科解剖大賽三等獎；

擅長手術：腺樣體扁桃體切除、鼻前庭囊腫、鼻中隔、鼻竇炎鼻息肉、鼻腔鼻竇良性腫物、各類良惡性聲帶病變激光微創治療、會厭腫物、甲狀腺及腮腺相關手術、喉癌下咽癌手術治療。

通訊作者簡介

李天成，醫學博士，博士后，博士生導師，教授，主任醫師，二十余年臨床經驗。2017年獲得國家留學基金委資助，在美國哈佛醫學院麻省總院癌癥研究中心行為期兩年博士后工作。專業方向為甲狀腺、腮腺、咽、喉、頸部良惡性腫瘤微創治療及鼾癥的綜合治療。曾于國內多家頂尖大學附屬醫院交流學習，尤其擅長腔鏡輔助下甲狀腺（經乳暈，經口入路）、腮腺（耳后入路）、頜下腺腫瘤（經口）的手術治療，頭頸腫瘤（喉癌、下咽癌）的微創治療（支撐喉鏡下激光切除）。相關技術獲首都特色基金、首都衛生發展基金、北京市衛健委推廣項目的支持。

李天成出診時間：周一全天常營院區，周五全天本部院區。

耳鼻咽喉頭頸外科 李祖飛 李天成