2024年2月，广西医科大学基因组与个体化医学研究中心李悦翔教授团队与国内多个机构合作（包括东部战区总医院、腾讯天衍研究中心），在国际医学人工智能顶级刊物《Artificial Intelligence in Medicine》（IF: 7.5，中科院一区）上发表了题为《Triplet-branch network with contrastive prior-knowledge embedding for disease grading》的文章，该研究提出了一种能对多种疾病（疲劳骨折、糖尿病视网膜病变等）实现精确病变分级的人工智能算法。

图1 所提出的基于对比学习机制的病变分级模型TBN-CROWN

由于不同的疾病分级需要医生进行不同的治疗，即低分级的患者可以通过随访观察康复，而高分级的患者可能需要立即手术，因此疾病分级的准确性在临床实践中至关重要。在本文中，我们提出了一种具有对比先验知识嵌入的三重分支网络（TBN-CROWN），用于准确的疾病分级，使医生能够相应地采取适当的治疗。具体来说，我们的TBN-CROWN有三个分支，分别用于表示学习、分类器学习和与年级相关的先验知识学习。前两个分支处理类别不平衡训练样本的问题，而后一个分支通过一种新颖的辅助模块（称为对比嵌入模块）嵌入与年级相关的先验知识。所提出的辅助模块将不同分支嵌入的特征作为输入，并相应地为模型构造正嵌入和负嵌入，以通过对比学习来部署与年级相关的先验知识。对我们的私人和两个公开的疾病分级数据集进行的大量实验表明，我们的 TBN-CROWN 可以有效解决类别不平衡问题，并对各种疾病（例如疲劳骨折、溃疡性结肠炎和糖尿病视网膜病变）产生令人满意的分级准确性。

文章链接：https://www.sciencedirect.com/science/article/abs/pii/S0933365724000435

作者简介：李悦翔 [第一作者]（教授，医学人工智能课题组，Medical AI ReSearch | MARS Group），英国诺丁汉大学博士，一直致力于医学影像智能算法的研究。目前共计发表学术论文70余篇，并担任多个CCF-A类会议/期刊的审稿人和领域主席。曾在腾讯以高级研究员的身份主导/参与了多个病种的人工智能辅助诊断系统的开发与落地，并指导多名实习生发表顶会/顶刊论文。

个人主页：https://yuexiangli.github.io