腫瘤淋巴結(jié)轉(zhuǎn)移分析是基于TNM分期的癌癥治療預(yù)后估計的關(guān)鍵環(huán)節(jié)之一。TNM分期是醫(yī)療腫瘤常用的分期，腫瘤的治療建立在TNM分期的基礎(chǔ)上?？梢哉f，病理分析是腫瘤疾病診斷的“金標準”，病理分析對患者的預(yù)后分型分期至關(guān)重要。

　　目前，臨床主要是采用目測檢查淋巴結(jié)的組織切片方式，這個過程需要對每個患者檢查至少十幾個淋巴結(jié)，非常耗時且很容易漏診。國內(nèi)醫(yī)療資源緊缺，病理醫(yī)生負擔繁重，為了快速給出診斷報告，致使漏診進一步增加。此外，即使在同一N分期中，患者的預(yù)后也存在巨大差異。然而，由于人眼觀察的局限性，病理圖像體積巨大，這些潛在信息一直未被充分挖掘和量化。

　　近年來病理數(shù)字化掃描技術(shù)與人工智能的發(fā)展，為病理信息的充分挖掘提供了強有力的技術(shù)手段。

　　西安電子科技大學（以下簡稱西電）計算機科學與技術(shù)學院軟件工程研究所教授劉西洋團隊，在該學院“軟件工程”學科建設(shè)支持下，與上海龍華醫(yī)院教授于觀貞、長海醫(yī)院教授陳穎等團隊合作，開展了胃癌淋巴結(jié)轉(zhuǎn)移預(yù)后預(yù)測的AI研究，歷時3年，研發(fā)出針對胃癌淋巴結(jié)病理臨床診斷與精準亞分期的AI系統(tǒng)。

　　劉西洋介紹，他們使用19705個淋巴結(jié)即臨床胃癌淋巴結(jié)轉(zhuǎn)移病理組織切片數(shù)據(jù)作為研究隊列。首先，將淋巴結(jié)外的組織區(qū)域通過分割網(wǎng)絡(luò)進行剔除。然后，結(jié)合主動學習，并在引入淋巴結(jié)組織結(jié)構(gòu)的先驗知識基礎(chǔ)上，將非腫瘤細胞區(qū)域中容易被誤識別的包括竇組織、脂肪細胞等進一步細化標注，從而實現(xiàn)僅用少量標注的樣本集，構(gòu)建更魯棒可靠即穩(wěn)定性好、臨床可用的腫瘤區(qū)域識別模型。

　　在此基礎(chǔ)上，他們研發(fā)成功胃癌淋巴結(jié)臨床病理人工智能輔助診斷系統(tǒng)。

　　據(jù)悉，通過雙中心回顧性臨床試驗證，該系統(tǒng)可顯著提升病理醫(yī)生診斷胃癌淋巴結(jié)病理切片的效率，同時避免大量的漏診。

　　上述相關(guān)成果以西電為第一作者單位在近期出版的《自然—通訊》發(fā)表。

　　劉西洋補充指出，值得注意的是該研究不僅僅是識別腫瘤區(qū)域，還探索了基于準確量化病理圖像信息基礎(chǔ)上的預(yù)后信息挖掘，致使通過相關(guān)指標可以有效地將N分期的每個階段分為高風險與低風險組，顯著改善臨床分期系統(tǒng)的預(yù)后準確性。

　　據(jù)了解，目前該合作研究團隊正在籌備開展泛癌淋巴結(jié)研究隊列，從胃癌拓展到腸癌等更多腫瘤類型，在更多醫(yī)院開展多中心臨床驗證，以期推動臨床診療指南的改進，促進精準醫(yī)療。

　　此外，在計算病理學領(lǐng)域，劉西洋團隊還與復(fù)旦大學附屬中山醫(yī)院教授高強團隊深度合作，針對肝癌病理圖像與臨床信息，探索基于深度學習的癌癥預(yù)后預(yù)測與病理圖像相關(guān)特征挖掘的新方法。

　　相關(guān)論文信息：https://doi.org/10.1038/s41467-021-21674-7