2024年12月10日，Portal Hypertension & Cirrhosis（PH&C）在线发表了Application of graph theory in liver research: A review文章。本期研究者说我们特邀文章作者王成彦教授，解读研究结果，展望未来方向。

研究主要内容

肝病，如急性肝炎、肝硬化和肝癌，给全球健康带来了重大挑战，每年导致数百万人死亡。图论在肝病研究中发挥着至关重要的作用，如在网络构建、生物标志物发现、药物再利用、患者分层和图像处理等方面的应用。图论在肝病研究中的应用为解决这些问题提供了新的途径，通过将生物实体及其相互作用表示为节点和边，图论能够分析大规模数据集，揭示疾病发生和进展中的隐藏模式与关系。

本研究综述了当前图论在肝病中的各种应用场景。其中图拓扑学关注图的性质与特征，能够预测肝硬化和轻度肝性脑病患者的发生。知识图谱通过实体和关系表示事实数据，提供结构化工具以存储和访问知识，广泛用于预测不良药物反应、识别生物标志物和治疗靶点。图神经网络使机器学习模型能够在图结构数据上运行，从而提升诊断和预后评估的准确性，包括检测纤维化模式、预测微生物-代谢物-疾病关联以及增强肝癌成像的效果。图割技术则用于图像分割，能够准确分割肝脏轮廓、肿瘤组织和肝血管，从而提高诊断和治疗计划的质量，并可应用于血管拓扑和基因调控网络的研究。图可视化技术则提供了强大的方法来表示和分析图结构，包括聚类可视化、布局可视化、交互式可视化和时间序列可视化，有助于深入理解肝病的发展过程。

研究亮点

这篇综述全面概述了图论在肝病分析中的当前状态，分技术创新和应用创新进展阐述，强调了其在影像分析方面的潜力。近期研究表明，图论在多种肝病中展现出广阔的应用前景，包括肝纤维化分期、门脉高压检测、局灶性肝病变的特征描述、恶性肝癌预后预测以及肝脏和肝癌的分析。

未来方向

随着机器学习技术的不断进步，图网络方法在肝病应用中的潜力将进一步扩大。未来研究应集中于通过数据预处理优化、与其他机器学习技术的整合以及临床环境中的验证来提升图网络方法的性能和效率。这些方法有望推进肝病的诊断与治疗策略，最终改善患者预后情况。尽管图论方法在肝病分析中展现出巨大前景，但在广泛应用于临床实践前仍需解决多个挑战。未来的研究工作应致力于开发更全面准确的模型，同时解决透明度和可解释性问题。通过克服这些挑战，可以增强对AI预测的信心，促进其在临床实践中的整合，从而有助于改善患者预后。

How to cite:

Hu X, Sun L, Zheng R, et al. Application of graph theory in liver research: a review. Port Hypertens Cirrhos. 2024;3:234-248. doi:10.1002/poh2.97

研究者

王成彦

复旦大学人类表型组研究院，副研究员

以第一作者或通讯作者（含共同）在Radiology, Radiology: artificial Intelligence, Information Fusion, IEEE TNNLS, Medical Image Analysis, IEEE TMI 等期刊发表论文50余篇；在CVPR、NeurIPS、MICCAI、ISMRM、RSNA等国际会议上发表会议论文70余篇；副主编人卫出版社论著“医学影像与人工智能-机遇、应用和风险”；授权国家发明专利4项；主持国家自然科学基金、国自然国际（地区）交流项目、上海市市级科技重大专项子任务各1项，以项目骨干身份参与国家级课题7项；获评上海市科技创新行动计划启明星计划、上海市青年科技英才扬帆计划、上海市浦东新区“明珠计划”菁英人才称号；获上海市科技进步奖二等奖，多次荣获国际磁共振协会（ISMRM）颁发的Magna Cum Laude Merit Award奖项。

胡旭梅

复旦大学人类表型组研究院硕士

国家奖学金、上海市优秀毕业生