癌症防控是世界性难题，恶性肿瘤也是严重威胁我国居民健康的重大公共卫生问题。科技促进发展，创新守护健康，在宁波市政府、鄞州区政府及宁波市眼科医院的大力支持下，由宁波市眼科医院副院长、眼眶病专科学科带头人吴国海与宁波市眼科医院李中文博士后、西安邮电大学蒋杰伟博士等人共同研发了可自动检测识别眼睑恶性肿瘤人工智能自动识别系统。将人工智能技术与恶性肿瘤识别预防融合，契合“健康中国2030”规划纲要中“预防为主、防治结合”的恶性肿瘤防治重要目标任务，其成果发表于国际顶级期刊——《自然》杂志旗下期刊《数字医学》 (NPJ Digital Medicine，中科院一区Top期刊)并被评选为封面文章，影响因子15.357。这是该院继在《Nature Communications》《Computer Methods and Programs in Biomedicine》《iScience》《International Journal of Medical Informatics》等杂志发表数篇高质量眼科人工智能研究论著后的又一丰硕成果！

眼睑恶性肿瘤靠近眼球、大脑和鼻窦，可侵犯相邻结构，影响面部外观，导致视力受损，甚至危及生命。早诊早治是避免严重并发症及死亡率的关键。良性和恶性眼睑肿瘤有时具有相似的特征，对于没有足够经验的初级保健医生和眼科医生来说，区分它们具有挑战性。同时，由于目前全球缺乏眼科医生，这就造成早期筛查识别眼睑恶性肿瘤更加困难。为了实现眼睑恶性肿瘤的早期诊断，本项目团队基于来自851例患者的1417张具有明确病理诊断的眼睑肿物照片（采用普通数码相机或手机拍摄），利用多种深度学习算法，开发了可自动定位眼睑肿瘤并鉴别肿瘤良恶性的人工智能系统。

由于一张图片可能包含一个或多个不同性质的眼睑肿瘤，所以本研究首先使用 Faster-RCNN 开发了一种眼睑肿瘤定位系统(eyelid tumor detection system, ETDS)，用于从图像中自动定位眼睑肿瘤，以便针对每个肿瘤而不是每张图片进行良恶性的分析。该EDTS系统在内部测试集中定位眼睑肿瘤的准确性为0.801，在外部测试集为0.762。

在鉴别眼睑肿瘤良恶性方面，深度学习算法DenseNet121准确性最高。其在内部测试集中AUC值达到0.955，灵敏性为96.1%，特异性为77.4% 。在外部测试集上的AUC值为0.899，灵敏性为91.5%，特异性为79.2% 。此外，本研究还进一步测试了系统在常见眼睑恶性肿瘤以及恶性程度极高的恶性黑色素瘤上的表现，结果显示该系统在评估基底细胞癌的准确性为91.0%，鳞状细胞癌的准确性为92.9%，皮脂腺癌的准确性为100%，恶性黑色素瘤的准确性为100%。

本研究利用Gradient-weighted Class Activation Mapping技术生成热图来可视化对系统决策有贡献的区域。热图越偏暖色调的区域表示对最终决策影响越大。结果显示，热图的高亮区域均在眼睑肿瘤上，说明系统是根据肿瘤的外观来鉴别良恶性的，这和医生通过图片诊断眼睑肿瘤良恶性的方法相似。

本研究研发的眼睑恶性肿瘤人工智能自动识别系统具有应用于普通数码相机和手机的潜力，为促进眼睑恶性肿瘤的早期检测提供了一种方便且经济的方法。该系统有望提高眼睑恶性肿瘤的早期发现率，促进及时的转诊和治疗，以改善眼睑恶性肿瘤患者的预后。

在宁波市政府、 鄞州区政府、宁波市眼科医院陈蔚院长、 翁红飞书记等领导班子的支持下，本研究由宁波市眼科医院（吴国海、李中文、强薇、余小妹、汪腊一、李真、谢玮玮）、遵义市第一人民医院（諶宏运）、贵州省人民医院（吴雪芳）、以及西安邮电大学（蒋杰伟、裴梦杰）共同完成。