孟超肝病外脑2.0在人工智能临床诊疗领域的应用初探

·新技术新疗法·DOI： 10.3969/j.issn.1001-5256.2023.12.022孟超肝病外脑2.0在人工智能临床诊疗领域的应用初探
李海涛1a，1b，刘红枝1b，方国旭1a，郭鹏飞1a，陈振伟1a，刘景丰1a，2
1 福建医科大学孟超肝胆医院 a.东南肝胆健康大数据研究所，b.肝胆胰外科，福州 350025；
2 福建省肿瘤医院肝胆胰外科，福州 350025
通信作者：刘景丰，******************（ORCID： 0000-0003-3499-5678）
摘要：目的　探讨孟超肝病外脑2.0版在临床诊疗中的初期应用。

方法　使用福建医科大学孟超肝胆医院东南肝胆健康大数据研究所大数据智能信息化系统自动抓取2021年6月9日—21日入院的内外科在院病例共160例，以慢性乙型肝炎辅助诊断、肝纤维化解读、慢性乙型肝炎分期模型、肝硬化辅助诊断、肝硬化辅助分期、原发性肝癌辅助诊断、原发性肝癌BCLC分期、原发性肝癌中国分期、Child-Pugh评分、APRI评分等智能辅助诊断工具为测试内容，评价孟超肝病外脑2.0人工智能结论的完整性、准确性。

结果　所有辅助诊断工具在测试时间内提取到规范的关键维度完整率为94.17%。

抓取数据的准确性方面，人工智能报告结构化准确率为97.55%；文本处理准确率为91.61%。

结论　孟超肝病外脑2.0为医学专科大数据平台建设提供一种创新模式，在初期临床诊疗中作为一种辅助诊断工具，具有较高准确率。

关键词：人工智能；孟超肝病外脑；决策支持系统，临床
基金项目：福州市科技局福建省科技创新平台项目（2021-P-055）
Application of Mengchao Liver Disease-Brain System version 2.0 in artificial intelligence-assisted clinical diagnosis and treatment： A preliminary study
LI Haitao1a，1b，LIU Hongzhi1b，FANG Gouxu1a，GUO Pengfei1a，CHEN Zhenwei1a，LIU Jingfeng1a，2.（1. a. Southeast Big Data Institute of Hepatobiliary Health， b. Department of Hepatopancreatobiliary Surgery， Mengchao Hepatobiliary Hospital of Fujian Medical University， Fuzhou 350025， China； 2. Fujian Provincial Tumor Hospital， Fuzhou 350025， China）Corresponding author： LIU Jingfeng，******************（ORCID： 0000-0003-3499-5678）
Abstract：Objective　To investigate the application of Mengchao Liver Disease-Brain System version 2.0 in clinical diagnosis and treatment. Methods　This study was conducted among 160 patients who were admitted to the internal medicine and surgical departments from June 9 to 21， 2021， and their data were automatically captured by the intelligent information system of Southeast Big Data Institute of Hepatobiliary Health， Mengchao Hepatobiliary Hospital of Fujian Medical University. The completeness and accuracy of Mengchao Liver Disease-Brain System version 2.0 were evaluated based on the intelligent diagnostic tools such as auxiliary diagnosis of chronic hepatitis B， interpretation of liver fibrosis， staging model of chronic hepatitis B， auxiliary diagnosis of liver cirrhosis， auxiliary staining of liver cirrhosis， auxiliary diagnosis of primary liver cancer， BCLC stage of primary liver cancer，Chinese staging of primary liver cancer， Child-Pugh score， and APRI score. Results　All auxiliary diagnostic tools had a complete rate of 94.17% in terms of the extraction of correct key dimensions within the test period. The artificial intelligence report had a structured accuracy of 97.55% in capturing data and an accuracy rate of 91.61% in text processing. Conclusion　Mengchao Liver Disease-Brain System version 2.0 provides an innovative mode for the construction of big data platform in medical specialties and has a high accuracy as an auxiliary diagnostic tool in clinical diagnosis and treatment.
Key words：Artificial Intelligence； Brain of Mengchao Liver Disease； Decision Support Systems， Clinical
Research funding：Science and Technology Innovation Platform Project of Fuzhou Science and Technology Bureau （2021-P-055）
近年来，人工智能成为推动社会经济发展的新动
力之一，在提高社会生产效率、实现社会发展和经济转
型等方面发挥重要作用。

人工智能医疗的迅速发展和
普及，提高了医疗质量，降低了医疗成本，能够帮助医
疗行业解决资源短缺、分配不均等众多民生问题［1］。

2018年，国务院办公厅《关于促进“互联网和医疗健康”发展的意见》［2］中，推进“互联网+”人工智能应
用服务建议提出：研发基于人工智能的临床诊疗决策
支持系统，开展智能医学影像识别、病理分型和多学
科会诊以及多种医疗健康场景下的智能语音技术应
用，提高医疗服务效率。

人工智能诊断辅助主要提供
了医学影像、电子病历、导诊机器人、虚拟助理等服
务，对患者进行系统化记录和健康管理，缓解病理专
家稀缺、基层医生素质不高的现状，分担医院从医人
数不足的压力［3］。

本院研发的肝病外脑2.0在原发性肝癌领域，以
各种国内外最新诊疗规范、专业指南、专家共识为指
导，赋予人工智能，在综合运用大数据、人工智能、知
识图谱等技术基础上，以原发性肝癌为研究目标，初
步构建了原发性肝癌诊疗人工智能辅助系统，提供数
字化、规范化、智能化诊疗服务，在很大程度上提高了
临床医师的综合诊疗水平，并为更多肝癌患者提供科
学指导［4-8］。

现将初步研究结果总结如下。

1　资料与方法
1.1　临床数据　肝病外脑
2.0相关数据各维度的提取由福建医科大学孟超肝胆医院东南肝胆健康大数据研究所大数据智能信息化系统自动抓取完成，自动抓取2021年6月9日9∶00 — 21日18∶00入院的内外科在院病例160例，包括各种肝病患者。

所有相关数据均已进行结构化处理，涵盖了肝癌临床诊疗与科研相关的全疾病周期概念。

孟超肝病外脑2.0的临床数据抓取实例见附录A～F。

1.2　孟超肝病外脑
2.0的测试　以慢性乙型肝炎辅助诊断（表1）、肝纤维化解读（表2）、慢性乙型肝炎分期模型（表3）、肝硬化辅助诊断（表4）、肝硬化辅助分期（表5）、原发性肝癌辅助诊断（表6）、原发性肝癌BCLC分期（表7）、原发性肝癌中国分期（表8）、Child-Pugh评分（表9）、APRI评分（表10）等智能辅助诊断工具为测试内容，由肝胆外科2名主治医师测试（测试结果不一致时由高级职称医师协助判断），东南肝胆健康大数据研究所及福州宜星大数据产业投资有限公司专业技术人员共3名监测并记录，评价肝病外脑2.0人工智能结论的完整性、准确性。

2　结果
2.1　自动抓取数据完整性　测试结果提取到关键维度共计1 323个，正确1 246个，错误77个。

在测试时间内提取到规范的关键维度完整率为94.17%（表11）。

2.2　数据准确性　本次测试工具10个，使用维度65个，共计测试200次，提取维度值1 323个，使用单位和医生一致。

其中结构化数据490个，文本处理787个，工具导入46个。

结构化准确率为97.55%，文本处理准确率为91.61%（表12）。

表1　慢性乙型肝炎辅助诊断
Table 1　Auxiliary diagnosis of chronic hepatitis B
序号1
2 3 4 5
关键指标
HBsAg
HBeAg
HBV DNA
ALT
HBsAg和/或HBV DNA阳性6个月以上
用例维度总数
160
160
160
160
160
正确维度数
157
158
158
160
147
错误维度数
检查时间
1
1
1
检验值
2
1
1
13
准确率（%）
98.13
98.75
98.75
100.00
91.88
注：用例维度总数160个，一共得出32个结论，其中18个正确，14个错误，准确率为56.00%。

表5　肝硬化辅助分期
Table 5　Auxiliary staging of hepatocirrhosis
序号1234567
关键指标显著门静脉高压消化道静脉曲张
腹水
消化道静脉曲张出血
肝性脑病脓毒症
其他多器官功能损伤
用例维度总数
119119119119119119119
正确维度数
117117118118119119119
错误维度数
检查时间1101000检验值
1110000
准确率（%）98.32
98.3299.1699.16100.00100.00100.00
注：用例维度总数119个，一共得出17个结论，其中13个正确，4个错误，准确率为75.47%。

表4　肝硬化辅助诊断
Table 4　Auxiliary diagnosis of hepatocirrhosis
序号12345678
关键指标
肝组织学有无肝硬化食管与胃底静脉曲张MRI 、CT 、超声提示肝硬化肝硬度值提示肝硬化
血小板计数
Alb
国际标准化比值APRI 评分
用例维度总数
256256256256256256256256
正确维度数
256254255256256256256256
错误维度数
检查时间00000000检验值
02100000
准确率（%）100.00
99.2199.60100.00100.00100.00100.00100.00
注：用例维度总数256个，一共得出32个结论，其中29个正确，3个错误，准确率为90.62%。

表3　慢性乙型肝炎分期模型
Table 3　Staging model of chronic hepatitis B
序号1234567
关键指标凝血酶原活动度国际标准化比值
TBil Alb ALT AST 胆碱酯酶
用例维度总数
42424242424242
正确维度数
41414141414141
错误维度数
检查时间1111111检验值
0000000
准确率（%）97.62
97.6297.6297.6297.6297.6297.62
注：用例维度总数42个，一共得出6个结论，其中5个正确，1个错误，准确率为83.33%。

表2　肝纤维化解读
Table 2　Interpretation of hepatic fibrosis
序号12345
关键指标适用人群肝硬度值ALT TBil
ALT 正常值上限
用例维度总数
1515151515
正确维度数
1415151515
错误维度数
检查时间
10000
检验值00000
准确率（%）93.33
100.00100.00100.00100.00注：用例维度总数15个，一共得出3个结论，其中2个正确，1个错误，准确率为66.66%。

表6　原发性肝癌辅助诊断
Table 6　Auxiliary diagnosis of primary hepatic carcinoma
序号1 2
3
4
5关键指标
甲胎蛋白
CT扫描
扫描方式
性质/特征
结节大小
超声
方式
性质/特征
结节大小
MRI
方式
性质/特征
结节大小
普美显
性质
结节大小
用例维度总数
384
384
384
384
384
384
384
384
384
384
384
384
正确维度数
383
382
381
381
382
377
377
384
380
379
384
384
错误维度数
检查时间
1
1
1
1
1
1
1
检验值
1
2
2
1
6
6
4
5
准确率（%）
99.74
99.47
99.21
99.21
99.47
98.17
98.17
100.00
98.95
98.69
100.00
100.00
注：用例维度总数384个，一共得出32个结论，其中20个正确，12个错误，准确率为62.50%。

表7　原发性肝癌BCLC分期
Table 7　BCLC staging of primary hepatic carcinoma
序号1
2 3 4 5 6 7
关键指标
肿瘤数目
肿瘤大小
Child-Pugh评分
腹水
PS评分
门静脉侵犯
肝外转移
用例维度总数
49
49
49
49
49
49
49
正确维度数
48
47
49
49
49
46
47
错误维度数
检查时间
1
检验值
1
2
3
1
准确率（%）
97.96
95.92
100.00
100.00
100.00
93.88
95.92
注：用例维度总数49个，一共得出7个结论，其中4个正确，3个错误，准确率为57.14%。

表8　原发性肝癌中国分期
Table 8　Chinese staging of primary hepatic carcinoma
序号1
2 3 4 5 6
关键指标
PS评分
Child-Pugh评分
肝外转移
血管侵犯
肿瘤数目
肿瘤最大径
用例维度总数
42
42
42
42
42
42
正确维度数
42
42
41
42
40
40
错误维度数
检查时间
1
检验值
1
2
1
准确率（%）
100.00
100.00
97.62
100.00
95.24
95.24
注：用例维度总数42个，一共得出7个结论，其中4个正确，3个错误，准确率为57.14%。

3　讨论
随着人工智能的快速发展，临床上越来越多的预测疾病预后或辅助诊疗的机器学习模型被广泛用于临床决策支持系统，为临床医生提供了更多的基于循证医学证据的建议、警示或患者总结，用以支持其决策［9-11］。

机器学习和人工智能在这些方面具有巨大的潜力，可能改变几乎所有方面。

然而，在许多应用中，甚至在医学之外，人工智能应用缺乏透明度已经显现越来越多的问题，当用户需要解释人工智能系统的输出时，这一点尤其明显。

临床决策支持系统是一个非常需要可解释人工智能的领域。

这些系统支持医生的临床决策，在缺乏解释性的情况下，可能会导致临床信任不足或过度依赖的问题［12］。

肝病外脑
2.0正是笔者团队基于全局可解释人工智能的临床决策支持系统所研发。

孟超肝病外脑2.0在研发过程中初步实现了局部可解释的目标，治理过的数据均做到了可溯源、可核查，同时使用一种新的文本处理方法：基于肝病本体的NLP算法模型（HCCK-BERT）处理“肿瘤大小、位置”的命名实体识别问题，通过医学规则NLP模型处理影像报告上下文中的影像学特征表达如“廓清”等，
表 9　Child-Pugh 评分Table 9　Child-Pugh score
序号1
2 3 4 5
关键指标
TBil
Alb
凝血酶原时间延长
腹水
肝性脑病
用例维度总数
160
160
160
160
160
正确维度数
158
159
159
156
158
错误维度数
检查时间
1
1
1
2
2
检验值
1
2
准确率（%）
98.75
99.38
99.38
97.50
98.75
注：用例维度总数160个，一共得出32个结论，其中28个正确，4个错误，准确率为87.50%。

表11　各辅助诊断工具自动抓取的完整性
Table 11　Integrity of automatic data capture for all auxiliary diagnosis tools
工具名称
原发性肝癌辅助诊断Child-Pugh评分APRI评分
原发性肝癌中国分期原发性肝癌BCLC分期肝硬化辅助诊断
肝硬化辅助分期
慢性乙型肝炎辅助诊断慢性乙型肝炎分期模型肝纤维化解读
合计工具数量
32
32
32
7
7
32
17
32
6
3
200
关键维度数
384
160
96
42
49
256
119
160
42
15
1 323
正确维度数
360
156
95
38
42
253
115
140
33
14
1 246
错误维度数
检查时间
9
2
1
1
3
3
7
26
检验值
15
2
3
7
3
1
17
2
1
51表10　APRI评分
Table 10　APRI score
序号1
2 3
关键指标
AST正常值上限
血小板计数
AST
用例维度总数
96
96
96
正确维度数
96
96
95
错误维度数
检查时间
1
检验值
准确率（%）
100.00
100.00
98.95
注：用例维度总数96个，一共得出32个结论，其中31个正确，1个错误，准确率为96.87%。

基于所有特征用知识图谱得出文本处理人工智能结论及论据，实现医学文本处理的可解释［8，13］。

此次验证，主要数据完整性和数据准确性得到了初步结果，在临床验证中得到了较好的结果：数据关键维度完整率达到了94.17%；数据处理结构化准确率为97.55%，文本处理准确率为91.61%。

孟超肝病外脑2.0可以概括为“五点一平台”。

即在肝癌诊疗辅助服务的应用背景下，开展5点研究：（1）原发性肝癌标准数据集［6］；（2）建设符合“6V”特征（Volume，大规模；Value，高价值；Velocity，高速性；Variety，多样性；View，可评价；Verity，可溯源）的原发性肝癌大数据平台［7］；（3）以知识为驱动、以循证为依据，构建肝癌辅助决策支持系统［8］；（4）构建肝癌可处理多期图像的辅助诊断模型；（5）利用肝癌大数据资源和机器学习，对术后复发进行精准预测，提升复发的治疗效果［14］。

在研究成果的基础上构建一个面向全国肝癌诊疗团队的智能诊疗辅助服务平台，实现规范化、智能化诊疗服务。

孟超肝病外脑2.0为医学专科大数据平台建设提供了一种创新模式［15］，并且可推广，可复制到肝脏其他良恶性肿瘤，并以相同模式应用到其他肿瘤病种。

目前肝病外脑2.0已在一些基层医院初步试用，但大范围的临床应用仍然需要进一步反复验证。

此外，肝病外脑2.0还存在一定局限性，与Choi等［16］在肝癌临床决策支持系统的研究一样，可能存在因不同人口结构（例如种族、疾病、医院设施水平，甚至报销政策）的差别而导致辅助诊疗结果差异较大的局限，部分中心较小样本量而出现治疗选择不同的局限，甚至算法也需要更多的研究中心逐步验证才能逐步避免可能的缺陷。

孟超肝病外脑2.0作为肝病、肝癌的临床决策支持系统，其研发需要临床医生的参与，最终能否得到科学可靠的人工智能结论，亦需要专业临床专家的认可［17］。

总之，作为人工智能辅助诊断的工具系统，孟超肝病外脑2.0将有望作为全疾病人工智能研究的模型基础，更好地为临床服务［18］。

伦理学声明：本研究方案经由福建医科大学孟超肝胆医院医学伦理委员会审批，批号：2023_016_01，所纳入患者均签署知情同意书。

利益冲突声明：本文不存在任何利益冲突。

作者贡献声明：李海涛负责课题设计，撰写论文，修改论文；刘红枝、方国旭负责数据收集和验证；郭鹏飞、陈振伟负责软件开发及应用；刘景丰指导撰写文
章并最后定稿。

附录A～F见二维码
表12　各辅助诊断工具自动抓取的准确性
Table 12　Accuracy of automatic data capture for all auxiliary diagnosis tools
工具名称
原发性肝癌辅助诊断Child-Pugh评分APRI评分
原发性肝癌中国分期原发性肝癌BCLC分期肝硬化辅助诊断
肝硬化辅助分期
慢性乙型肝炎辅助诊断慢性乙型肝炎分期模型肝纤维化解读
合计测试
数
32
32
32
7
7
32
17
32
6
3
200
维度
数
12
5
3
6
7
8
7
5
7
5
65
维度类型
结构
化
1
3
3
3
4
5
4
23
文本
处理
11
2
5
6
4
7
1
2
1
39
工具
导入
1
1
1
3
结构化
总数
32
96
96
96
128
30
12
490
正确
32
92
95
93
124
30
12
478
错误
4
1
3
4
12
文本处理
总数
352
64
35
42
128
119
32
12
3
787
正确
325
58
30
34
128
113
19
12
2
721
错误
27
6
5
8
6
13
1
66
维度
总数
384
160
96
35
42
224
119
160
42
15
1 2771）
注：1）工具导入数据46次未列入表中（测试过程中原发性肝癌中国分期使用7次Child-Pugh评分数据，原发性肝癌BCLC分期使用7次Child-Pugh评分数据，肝硬化辅助诊断使用32次APRI数据）。

参考文献：
[1]China Academy of Information and Communications Tech⁃
nology. Blue paper of AI medical industry development by
2020[EB/OL]. (2020-09-17)[2023-04-20].http://www.caict.
/kxyj/qwfb/ztbg/202009/t20200908_323708.htm.
中国信息通信研究院. 2020人工智能医疗产业发展蓝皮书
[EB/OL]. (2020-09-17)[2023-04-20]. http://www.caict.
/kxyj/qwfb/ztbg/202009/t20200908_323708.htm. [2]General Office of the State Council. About Suggestions to
Promote the Development“Internet and Medical Health”
[EB/OL]. (2018-04-28)[2023-04-20]. https://.
cn/zhengce/content/2018-04/28/content_5286645.htm.
国务院办公厅. 关于促进“互联网和医疗健康”发展的意见
[EB/OL]. (2018-04-28)[2023-04-20]. https://.
cn/zhengce/content/2018-04/28/content_5286645.htm. [3]White paper medical imaging AI in China[EB/OL]. (2019-
01-09)[2023-04-20]. https:///info/news/90.
中国人工智能医疗白皮书[EB/OL]. (2019-01-09)[2023-
04-20]. https:///info/news/90.
[4]LIU HZ, LIN HT, LIN ZW, et al. Application value of ma⁃
chine learning algorithms for preoperative prediction of mi⁃
crovascular invasion in hepatocellular carcinoma[J]. Chin
J Dig Surg, 2020, 19(2): 156-165. DOI: 10.3760/cma.j.issn.
1673-9752.2020.02.008.
刘红枝, 林海涛, 林昭旺, 等. 机器学习算法在肝细胞癌微血
管侵犯术前预测中的应用价值[J]. 中华消化外科杂志,
2020, 19(2): 156-165. DOI: 10.3760/cma.j.issn.1673-9752.
2020.02.008.
[5]LIN X, GUO JJ, WANG Q, et al. Construction status of
domestic and foreign medical terminology sharing ser⁃
vice platforms and discussion on the construction of plat⁃
form[J]. China Digit Med, 2019, 14(11): 103-106. DOI:
10.3969/j.issn.1673-7571.2019.11.032.
林鑫, 郭进京, 王茜, 等. 国内外医学术语共享服务平台建设
现状及平台构建探讨[J]. 中国数字医学, 2019, 14(11):
103-106. DOI: 10.3969/j.issn.1673-7571.2019.11.032. [7]WANG L, GUO PF, YANG Y, et al. Preliminary explora⁃
tion of primary liver cancer big data[J]. Chin J Hepato⁃
biliary Surg, 2019, 25(9): 695-698. DOI: 10.3760/cma.j.
issn.1007-8118.2019.09.014.
王垒, 郭鹏飞, 杨远, 等. 原发性肝癌大数据建设初步探索
[J]. 中华肝胆外科杂志, 2019, 25(9): 695-698. DOI: 10.
3760/cma.j.issn.1007-8118.2019.09.014.
[8]WANG L, ZENG JX, CHEN ZW, et al. Study of China au⁃
tomatic staging model of hepatocellular carcinoma
based on big data platform[J/OL]. Chin J Hepatic Surg
Electron Ed, 2020, 9(2): 148-152. DOI: 10.3877/cma.j.
issn.2095-3232.2020.02.012.
王垒, 曾建兴, 陈振伟, 等. 基于大数据平台的肝细胞癌自动
化中国分期模型研究[J/OL]. 中华肝脏外科手术学电子杂
志, 2020, 9(2): 148-152. DOI: 10.3877/cma.j.issn.2095-
3232.2020.02.012.
[9]MIDDLETON B, SITTIG DF, WRIGHT A. Clinical decision
support: A 25 year retrospective and a 25 year vision
[J]. Yearb Med Inform, 2016, (Suppl 1): S103-S116.
DOI: 10.15265/IYS-2016-s034.
[10]MILLS S. Electronic health records and use of clinical
decision support[J]. Crit Care Nurs Clin North Am,
2019, 31(2): 125-131. DOI: 10.1016/c.2019.02.006.
[11]SCHWARTZ JM, MOY AJ, ROSSETTI SC, et al. Clinician in⁃
volvement in research on machine learning-based predic⁃
tive clinical decision support for the hospital setting: A
scoping review[J]. J Am Med Inform Assoc, 2021, 28(3): 653-663. DOI: 10.1093/jamia/ocaa296.
[12]ANTONIADI AM, DU YH, GUENDOUZ Y, et al. Current
challenges and future opportunities for XAI in machine
learning-based clinical decision support systems: A sys⁃
tematic review[J]. Appl Sci, 2021, 11(11): 5088. DOI:
10.3390/app11115088.
[13]LIU HZ, LIN KY, ZENG JX, et al. Preliminary application
of the integrated risk prediction platform in clinical diag⁃
nosis and treatment of hepatocellular carcinoma[J].
China Digit Med, 2022, 17(2): 61-65. DOI: 10.3969/j.
issn.1673-7571.2022.2.014.
刘红枝, 林孔英, 曾建兴, 等. 一体化风险预测平台在肝癌临
床诊疗中的初步应用[J]. 中国数字医学, 2022, 17(2): 61-
65. DOI: 10.3969/j.issn.1673-7571.2022.2.014.
[14]LIU JF, LIU HZ, CHEN ZW, et al. Construction system and
preliminary application of big data platform for liver dis⁃
ease and liver cancer[J]. Chin J Dig Surg, 2021, 20(1): 46-51. DOI: 10.3760/115610-20201126-00742.
刘景丰, 刘红枝, 陈振伟, 等. 肝病和肝癌大数据平台建设体
系及其初步应用[J]. 中华消化外科杂志, 2021, 20(1): 46-
51. DOI: 10.3760/115610-20201126-00742. [15]LIU HZ, LIU JF. Application of big data and artificial intelli⁃
gence in screening and diagnosis of primary liver cancer
[J/OL]. Chin J Hepatic Surg Electron Ed, 2023, 12(1): 1-
5. DOI: 10.3877/cma.j.issn.2095-3232.2023.01.001.
刘红枝, 刘景丰. 大数据和人工智能在原发性肝癌筛查与诊
断中的应用[J/OL]. 中华肝脏外科手术学电子杂志, 2023, 12(1): 1-5. DOI: 10.3877/cma.j.issn.2095-3232.2023.01.001.
[16]CHOI GH, YUN J, CHOI J, et al. Development of ma⁃
chine learning-based clinical decision support system for hepatocellular carcinoma[J]. Sci Rep, 2020, 10(1): 14855. DOI: 10.1038/s41598-020-71796-z.
[17]LIU HZ, LIU JF. Application status and prospect of artifi⁃
cial intelligence in surgical treatment of primary liver can⁃
cer[J]. J Clin Hepatol, 2022, 38(1): 10-14. DOI: 10.3969/
j.issn.1001-5256.2022.01.001.
刘红枝, 刘景丰. 人工智能在原发性肝癌外科治疗中的应用
现状与展望[J]. 临床肝胆病杂志, 2022, 38(1): 10-14.
DOI: 10.3969/j.issn.1001-5256.2022.01.001.
[18]FANG GX, GUO PF, FAN JH, et al. Clinical decision support
system based on explainable artificial intelligence-brain of Mengchao liver disease[J]. Chin J Dig Surg, 2023, 22(1): 70-80. DOI: 10.3760/115610-20221102-00679.
方国旭, 郭鹏飞, 范鉴慧, 等. 基于可解释人工智能的临床决
策支持系统: 孟超肝病外脑[J]. 中华消化外科杂志, 2023, 22(1): 70-80. DOI: 10.3760/115610-20221102-
00679.
收稿日期：2023-03-12；录用日期：2023-04-21
本文编辑：刘晓红
引证本文：LI HT, LIU HZ, FANG GX, et al. Application of Mengchao Liver Disease-Brain System version 2.0 in artificial intelligence-assisted clinical diagnosis and treatment: A preliminary study[J]. J Clin Hepatol, 2023, 39 (12): 2901-2907.
李海涛, 刘红枝, 方国旭, 等. 孟超肝病外脑2.0在人工智能临床诊疗领域的应用初探[J]. 临床肝胆病杂志, 2023, 39(12): 2901-2907.。