我校与香港大学开启口腔医学深度合作
武汉大学2017.01.2016:54
新闻网讯（通讯员杜民权）1月16日，口腔医学院与香港大学牙学院签署全面合作备忘录英国G5院校留学，标志着双方进一步开启深度合作。
根据合作协议，双方将在博士后培养、博士生申请、临床四手操作、本科生PBL教学方法等开展全方面的合作与交流。
口腔医学院院长边专教授介绍，武汉大学口腔医学院与香港大学牙学院具有20多年的合作历史。贵校先后有多名专家学者前来讲学和交流，两院于2008年举办了首届学术年会香港大学口腔 博士，我校与香港大学开启口腔医学深度合作，互派多名师生交换学习。他表示，武汉大学将继续努力，为口腔医学发展做出应有贡献。
香港大学牙学院托马斯.弗莱明（ ）院长详细介绍了该院近年来在科研、教学、临床取得的成就，表达了与内地著名牙学院共同发展的良好愿意。
签署仪式结束后，托马斯.弗莱明一行参观了口腔医学院教育部重点实验室，详细了解了口腔医学院开展基础研究及应用基础研究的具体方向。
据了解香港大学口腔 博士，香港大学牙学院成立于1982年，在师资队伍、教学、科研等领域已达到世界一流牙学院水平。在2016年QS（ ）世界大学学科排名，香港大学牙医学院荣登榜首，位列全球第一名。
香港大学 口腔博士，港大颌面外科团队研发人工智能平台
香港大学牙医学院口腔颌面外科临床副教授苏宇雄医生、研究助理教授蔡小慧博士、博士生John 医生和口腔黏膜科学临床副教授郑立武医生。
(原新闻稿已于4月10日发布)
口腔癌是一种颇常见的癌症，影响头颈部位。大约五成的口腔癌患者存活不超过五年，主要是发现时已属较后期，需要复杂的治疗方案，癌细胞亦有可能已扩散到其他部位。
病人患有舌类扁平苔藓黏膜炎
口腔癌初起的表征很多时是口腔内一些白斑，临床诊断为口腔白斑病（oral OL） 和口腔类扁平苔藓黏膜炎（oral OLM)。这些白斑可能在出现一段长时间后才被确诊口腔癌，所以能尽早发现并持续监察，防止它们恶化发展至为重要。
病人患有颊黏膜白斑
然而，OL/OLM转化为癌症，目前全病人患有颊黏膜白斑球的风险比率由0.4% 至40.8%不等， 因此要得知那些白斑最终会演变成口腔癌，临床上是极大的挑战。同时，病人一般需要定期覆诊和接受多次切片检查，持续监察多年，令患者感到疲惫甚至拒绝覆诊。因此，若能因应个别病人的状况，预测其演化成癌症的风险，将有助医疗人员为病人制定特定的医疗策略和跟进方式。
来自香港大学（港大）牙医学院、李嘉诚医学院，玛丽医院病理部，以及昆士兰詹姆士库克大学医学与牙科学院的研究人员，共同研发了一个网上平台，在输入相关资料后，能针对患有OL或OLM的病人，预测他们的口腔癌病变风险，预测期长达20年之久。网上平台开放给医护人员和公众免费使用。
研究结果已于学术期刊《》发表香港大学 口腔博士，文章题为 「深度学习能预测口腔癌前病变患者的无恶性转化存活期」（“Deep the –free of oral ”）。
研究团队采用「」人工智能演算法，此演算法预测癌症病变的表现优异香港大学 口腔博士，港大颌面外科团队研发人工智能平台，经一连串的验证练习后，能根据病人的一般个人统计资料、临床和病理数据，以及治疗资料等准确预测病人罹患的风险。他们利用香港和英国纽卡素泰恩的OL和OLM的病人数据，训练人工智能平台并测试其准确度。由于这些病人已被跟进多年，其病历发展已经明朗，可与平台的预测对照。测试证实，新平台能准确推算这些病人的实际病变发展，在他们每个复诊的时间点，平台预测的癌症风险水平与实际情况相吻合。
在香港用作验证的716名病人的数据，「」能正确预测95% 病人的癌症风险水平。在反映预测准确度的Brier综合得分是0.04。通常预测工具如果得分低于0.25，已可转化作实际临床应用。
而利用英国纽卡素泰恩的382名病人数据，平台正确预测82%病人的风险水平，表明其对不同的人口也具实用性。
团队期望这人工智能工具有助改善口腔癌的预防和早期诊断。利用开放平台，医护人员可为高危患者制订监测时间表和治疗策略，对资源有限的医院，有助其确定处理病患的优先次序。
使用平台预测病变风险，需输入二十六项有关病人的个人背景资料、病症的临床和病理描述，以及接受的治疗等。就每个个案的风险评估，平台会呈现一条曲线，展示每个时间点预测的风险级别。而当患者达到一定的风险水平时，医护人员可开始加密对患者的监察。 （图一）
（图一）医生和牙医可根据曲线的高低来比较两个或多个OL / OLM患者罹癌的风险。一般来说，当风险概率从0.5（蓝色虚线）至1.0，预计患癌的风险越来越低。患者A的预测癌症风险水平低于患者B和C。患者C的癌症发生风险最高，需在癌症预防手术后进行非常密切的监测。
除了医护人员，OL/ OLM患者使用平台可了解自己的病情趋势，这有助提高风险意识，鼓励他们定期覆诊，并在有需要决定是否做切片组织等进一步检查时，得以参考。
「」进行OL或OLM病患者的癌症风险预测
而预测的风险水平，从输入资讯日起计17年内维持准确度。值得注意的是，预测的风险曲线会随着输入数据的转变而有所变化，例如吸烟和饮酒状况、受影响的口腔部位、接受的治疗、复发情况以及治疗监测期间口腔上皮变异的程度等，因此输入数据需适时更新。
带领研究的港大牙医学院口腔颌面外科临床副教授苏宇雄医生说: 「虽然验证练习的结果，证明这人工智能预测工具非常可靠，但用者要知道，它的开发主要以研究为基础，故仍有需要再进一步优化发展。」
「由于癌症的发展，在确诊前涉及很多生物分子层面上的转变，我们计划加入OL和OLM演变成癌症的过程中相关分子生物标记的讯息，优化预测平台，提高风险估计的精准度美国top30名校留学，之后再评估其临床成效，以及在临床试验中了解其对OL和OLM护理的影响。」苏医生补充说。
研究团队
研究团队由香港大学牙医学院口腔颌面外科临床副教授苏宇雄医生带领，成员包括博士生John 医生、研究助理教授蔡小慧博士、口腔黏膜科学临床副教授郑立武医生、临床人工智能研究助理教授Koohi- 博士，香港玛丽医院病理部罗頴业医生，香港大学医学院外科学系曾敬贤医生和周令宇医生，以及昆士兰詹姆士库克大学医学与牙科学院汤迅教授。
‘’ 免费提供:
英文版本: ;
中文版本:
期刊「深度学习能预测口腔癌前病变患者的无恶性转化存活期」(Deep the –free of oral )
连结:
