在中国，乙型肝炎病毒（HBV）感染仍然是一个十分严重的公共卫生问题，目前，全球有超过三分之一的乙型肝炎病毒感染者（约9300万）居住在中国。肝纤维化是乙肝患者病情加重的表现，纤维化的过程长期持续就会发展成肝硬化，并有可能进一步恶化为肝癌。因此，准确评估肝纤维化程度对乙肝患者的预后、病情监测和管理来说非常的重要。通常，肝活检被认为是肝纤维化分期诊断的金标准。
但是，肝活检的方法也存在一些局限性，因为肝活检是一种创伤性检查，不容易被患者接受，费用较高，难免存在样本的误差等。目前，医学界正在研发寻找新的方法，能够更好地服务于患者，满足临床诊断的需求。一种名为“影像组学”的新兴技术，可以从医学图像中，提取大量可能揭示肉眼无法理解的疾病特征的图像。现有的很多研究证明，这种基于 CT 和磁共振成像术（MR）的影像组学在临床肿瘤学中非常具有应用价值。
日前，中科院自动化所在用影像组学来诊断肝纤维化方面的研究有了新的进展。科研人员在一项基于弹性超声影像组学的肝纤维化分期研究中，采用了一种名为深度学习的放射组学弹性成像（Deep Learning Radiomics of Elastography，DLRE）的新方法，用于诊断肝纤维化的分期。
该研究采用穿刺活检作为金标准，并将 DLRE 这一新方法与另一种弹性成像方法，二维剪切波弹性成像（2D-SWE），以及世界组织推荐的无创性肝硬化诊断方法 APRI 评分法、另一种目前广泛应用的 FIB-4 评分法进行比较。研究首先按照临床标准对所有就诊病人进行 2D-SWE 的超声图像的采集。同时，对所有纳入研究的乙肝患者进行血清学检查。此外，所有患者也都进行了穿刺活检，以提供研究的金标准。
每位患者的 2D-SWE 测试中值、FIB-4 评分、APRI 评分以及穿刺活检的结果都将记录下来，用于后续和新发法的结果对比。当采用新的超声影像组学方法时，入选的患者被随机分为训练队列和验证队列。训练队列用于训练影像组学模型以优化模型参数，另一个队列用于验证生成的模型的性能。整个研究设计了四个小实验。
分别为基本效能对比实验、图像数量实验、鲁棒性实验和炎症分组实验，用于探讨 DLRE 方法与临床方法诊断效能的对比、最合适的图像数量问题、模型鲁棒性的问题用于检测 DLRE 方法的稳定性和肝炎对结果的影响问题。
通过以上实验，研究者肯定了超声影像组学在肝纤维化分期诊断上的应用效果， DLRE 方法基本诊断效能高，随着图像数量增多而更加好用，稳定性好，并且较少受到患者病情的不同（炎症分期）带来的影响，在临床上具有很好的推广价值。当然，这种技术在其他超声模态下的疾病诊断、治疗和预后中均具有很好的应用场景。随着智能技术和医疗数据的不断丰富完善，相信未来基于人工智能的智能医疗能够在医院落地生根。