基于深度学习的淋巴结病理组织分析框
淋巴结临床病理人工智能诊断系统可准确识别微转移
肿瘤淋巴结转移分析是基于TNM分期的癌症治疗预后估计的关键环节之一。TNM分期是医疗肿瘤常用的分期，肿瘤的治疗建立在TNM分期的基础上。可以说，病理分析是肿瘤疾病诊断的“金标准”，病理分析对患者的预后分型分期至关重要。
目前，临床主要是采用目测检查淋巴结的组织切片方式，这个过程需要对每个患者检查至少十几个淋巴结，非常耗时且很容易漏诊。国内医疗资源紧缺，病理医生负担繁重，为了快速给出诊断报告，致使漏诊进一步增加。此外，即使在同一N分期中，患者的预后也存在巨大差异。然而，由于人眼观察的局限性，病理图像体积巨大，这些潜在信息一直未被充分挖掘和量化。
近年来病理数字化扫描技术与人工智能的发展，为病理信息的充分挖掘提供了强有力的技术手段。
西安电子科技大学（以下简称西电）计算机科学与技术学院软件工程研究所
教授
刘西洋团队，在该学院“软件工程”学科建设支持下，与上海龙华医院
教授
于观贞、长海医院
教授
陈颖等团队合作，开展了胃癌淋巴结转移预后预测的AI研究，历时3年，研发出针对胃癌淋巴结病理临床诊断与精准亚分期的AI系统。
刘西洋介绍，他们使用19705个淋巴结即临床胃癌淋巴结转移病理组织切片数据作为研究队列。首先，将淋巴结外的组织区域通过分割网络进行剔除。然后，结合主动学习，并在引入淋巴结组织结构的先验知识基础上，将非肿瘤细胞区域中容易被误识别的包括窦组织、脂肪细胞等进一步细化标注，从而实现仅用少量标注的样本集，构建更鲁棒可靠即稳定性好、临床可用的肿瘤区域识别模型。
在此基础上，他们研发成功胃癌淋巴结临床病理人工智能辅助诊断系统。
据悉，通过双中心回顾性临床试验证，该系统可显著提升病理医生诊断胃癌淋巴结病理切片的效率，同时避免大量的漏诊。
上述相关成果以西电为第一作者单位在近期出版的《自然—通讯》发表。
刘西洋补充指出，值得注意的是该研究不仅仅是识别肿瘤区域，还探索了基于准确量化病理图像信息基础上的预后信息挖掘，致使通过相关指标可以有效地将N分期的每个阶段分为高风险与低风险组，显著改善临床分期系统的预后准确性。
据了解，目前该合作研究团队正在筹备开展泛癌淋巴结研究队列，从胃癌拓展到肠癌等更多肿瘤类型，在更多医院开展多中心临床验证，以期推动临床诊疗指南的改进，促进精准医疗。
此外，在计算病理学领域，刘西洋团队还与复旦大学附属中山医院
教授
高强团队深度合作，针对肝癌病理图像与临床信息，探索基于深度学习的癌症预后预测与病理图像相关特征挖掘的新方法。（来源：
中国科学报
张行勇)
版权声明：凡本网注明“来源：中国科学报、科学网、科学新闻杂志”的所有作品，网站转载，请在正文上方注明来源和作者，且不得对内容作实质性改动；微信公众号、头条号等新媒体平台，转载请联系授权。邮箱：shouquan@stimes.cn。
