100万元！四川省肿瘤医院转让一项基于肿瘤影像组学预测系统

日前，四川省肿瘤医院发布科技成果转化公示，医院通过专利技术独占许可方式，拟将“一种基于IVIM定量参数分析的肿瘤影像组学预测系统”相关专利授权予产业方使用，授权使用费为100万元+专利产品本年度实际销售额的2%。该专利的发明人为郎锦义教授及其团队。

该技术涉及一种基于IVIM定量参数分析的肿瘤影像组学预测系统，通过系统方案可以实现快速地且更精准的IVIM参数估计，真实地反应肿瘤内水分子运动情况，反应肿瘤异质性，并结合影响组学进行精准预测。

肿瘤异质性评估与亚型精准预测，乃是临床诊疗过程中的核心难题。而扩散加权成像（DWI）所衍生的体素内不相干运动（IVIM）模型，本是对肿瘤微观运动进行无创分析的关键工具。然而，现有的IVIM参数估计技术存在诸多局限，这严重制约了其临床应用价值。

传统IVIM参数拟合方法（例如最小二乘法、常规神经网络）面临着核心技术瓶颈：一方面，物理信息网络（PINN）依赖多层感知机来拟合非线性函数，容易出现灾难性遗忘的情况，进而导致体素级参数估计的精度不足，无法真实地反映肿瘤内水分子的运动差异；另一方面，图像噪声干扰与拟合模型的局限性相互叠加，使得所提取的影像组学特征的有效性大幅降低，难以支撑精准的肿瘤分析。

从临床应用的角度而言，现有技术仍存在显著的实用性缺陷。临床医生需要结合多组IVIM参数图像来判断肿瘤分子亚型，这不仅对诊断经验有着极高的要求，还容易受到主观判断的影响，并且缺乏统一的指南标准。尽管DWI已成为肿瘤扫描的常规序列，但由于参数估计不准确、特征提取无效，大量采集的数据无法得到充分利用，致使肿瘤异质性评估模糊、亚型预测准确率偏低（传统方法AUC值仅0.68），难以满足个体化治疗方案制定以及疗效监测的需求。

此外，在多b值DWI图像处理中，传统技术存在配准精度欠佳、参数计算耗时较长的问题，这进一步降低了临床应用的效率。这些问题共同阻碍了IVIM技术的临床转化，因此迫切需要一套兼具高精准性与强实用性的一体化解决方案，来化解从图像分析到病症预测全流程所面临的痛点。

正是肿瘤影像组学分析中存在的“IVIM参数估计不准、体素级分析困难、主观干扰大”等临床痛点，促使四川省肿瘤医院黄娜、郎锦义等团队开展专项技术攻关。此次转化的“基于IVIM定量参数分析的肿瘤影像组学预测系统”专利技术，其核心优势在于运用“改进型物理信息神经网络 + 全流程自动化分析”构建完整解决方案，从参数估计到病症预测实现全链条的技术革新，彻底突破传统IVIM技术“拟合性能差、特征提取无效、预测依赖经验”的局限。

该技术率先在核心模型方面实现了颠覆性的突破——创新性地研发出基于mspline函数改进的物理信息神经网络，成功攻克了传统多层感知机存在的“灾难性遗忘”以及非线性拟合性能不佳这两个核心难题。

传统的物理信息网络（PINN）依赖常规激活函数，很难精确捕捉肿瘤水分子运动的复杂规律。而此项技术通过在神经元连接“边”上引入改进后的mspline函数（融合了silu非线性激活函数与B样条线性组合），不仅提高了模型对复杂数据的拟合能力，还避免了特征运算过程中的信息丢失。

同时，输出层运用Sigmoid激活函数对IVIM定量参数（纯扩散系数Dt’、灌注系数Dp’、灌注分数Fp’）的估计范围进行约束，确保参数值契合临床实际的生理意义，有效减少了图像噪声的干扰。

经实验验证，该模型的参数估计AUC值可达0.81，明显优于传统最小二乘法（AUC = 0.68），能够更为真实地反映肿瘤内水分子运动的差异以及异质性特征。

在全流程自动化分析领域，该技术构建了“图像采集—配准—处理—预测”的闭环体系，极大地降低了临床操作的门槛，减少了主观因素的干扰。

其一，优化图像采集与配准环节。针对不同b值的DWI图像，以b值为0的图像作为参考，运用平移、旋转、缩放等优化算法进行精准配准，确保多组图像的像素点能够精确匹配，为后续的参数估计提供坚实的数据基础。同时，明确扫描参数的配置标准（如3T场强、层厚≤5mm、平面分辨率≤2.5mm），保障采集图像的高质量和一致性。

其二，创新影像组学特征处理流程。通过获取病灶区域、进行多维度特征提取（形状、一阶、纹理特征）、特征拼接以及消除无效特征（采用RFE方法），筛选出与肿瘤亚型高度相关的核心特征，避免冗余信息对预测结果造成干扰。最后，将优化后的特征输入SVM预测模型，以数据驱动的方式实现肿瘤亚型的客观分类，无需依赖医生的主观判断，显著提高了预测的一致性和准确性。

此外，该技术在临床实用性上拥有“高效适配+广泛适用”的显著优势。在效率层面，模型运用Kaiming初始化与ADAM优化器，达成快速收敛，能够迅速处理多b值DWI图像，相较于传统方法，大幅缩减了参数估计与分析的时间。

在适用场景方面，该系统能够适配1.5T/3T场强的磁共振仪器，支持对乳腺、肺、肝等多个部位肿瘤的影像分析，尤其在三阴性乳腺癌等亚型预测中表现卓越。

同时，系统采用模块化设计，各模块之间信号连接顺畅。临床医生只需输入DWI图像，便可自动完成从配准、参数计算到病症预测的全流程，无需进行复杂操作，能够适应各级医院检验科、放射科的临床需求。

目前，针对肿瘤精准诊疗中“影像诊断效率低、病灶检出不全面、诊疗衔接不顺畅”的核心需求，国内外医疗设备制造商与人工智能企业已围绕多模态影像分析、人工智能辅助诊疗等方向构建起多元研发格局。

联影医疗以全链条影像设备研发为核心，于肿瘤影像智能分析领域构建了“硬件 + 软件 + 大模型”的完整布局。2025 年，公司发布了“元智”医疗大模型。该影像大模型历经数千万医疗影像数据的训练，能够支持 10 种以上的影像模态、300 余种影像处理任务，在肿瘤病灶分割、复杂病灶诊断等任务方面具备较高的精准度。

基于此大模型所开发的“影像全智能体”，实现了胸部 CT 的“一扫多查”功能，可自动检测出 37 种胸部常见疾病及异常情况，同时还支持语音智能书写诊断报告，彻底改变了传统的阅片流程。

在肿瘤诊疗场景中，联影与中山大学肿瘤防治中心联合研发的脑转移瘤、骨转移瘤 AI 检出系统，已在全国 400 余家医院投入使用。相关技术已集成至公司 3.0T MR 等高端设备系列，完成了临床验证并实现大规模市场投放，为肿瘤的精准检测与疗效监测提供了全流程的支持。

数坤科技专注于肿瘤多模态影像融合分析，其研发的肺部、乳腺等部位的肿瘤AI辅助诊断系统已通过NMPA三类证审批，能够实现病灶自动检测、良恶性鉴别以及风险分级，目前已在全国千余家医院落地应用。

深睿医疗专注于肿瘤早筛与精准诊断领域的深度探索，推出了涵盖肺、肝、乳腺等多个部位的肿瘤AI筛查解决方案。通过与GE、西门子等设备厂商进行兼容性适配，实现了跨品牌影像设备的高效运用。其相关产品已完成多中心临床验证，目前处于市场规模化推广阶段，进一步拓展了肿瘤影像智能分析的产业化路径。

综上，目前产业界和学术界都在尝试通过“设备硬件 + 智能算法”的深度融合，推动肿瘤影像组学技术从单点辅助诊断向全流程诊疗赋能实现升级，加速其临床转化落地。