人工智能助力临床病理，皮肤癌分类又添新工具

　　皮肤作为保护人体内循环系统正常运作的一道重要屏障，用于隔绝外界环境中细菌、病毒等有害物质对人体的侵害，如若人体内部出现异常，皮肤状态也会发生变化，产生病变。皮肤病变又称为皮肤肿瘤，其中，恶性的皮肤肿瘤就是全世界最常见的十大癌症之一的皮肤癌。调查显示，在过去30年中，皮肤癌患者数量远超过其他所有癌症患者数量之和，此外，受环境污染和臭氧层破坏等因素的影响，皮肤癌全球每年新增病例高达300万并且逐年上升，成为世界上最严重的健康问题之一。

　　皮肤癌种类繁多，通常可分为黑色素瘤和非黑色素瘤。黑色素瘤虽然只占皮肤癌的1%，但却是皮肤癌中最危险的形式，侵袭能力最强、恶性程度最高、转移速度最快，致死率高达80%，据统计，平均每54分钟就有一人因黑色素瘤而死亡。

　　黑色素瘤由皮肤表皮黑色素细胞产生恶性病变并迅速繁殖而形成，而皮肤表皮黑色素细胞病变还包括不典型与良性两种病变类型。目前黑色素细胞病变类型主要通过显微镜下病理组织学分析进行确诊，这种方法严重依赖病理科医生的经验，主观性强，而且，不典型黑色素细胞病变的组织学模式和生物学特征均与良恶性黑色素细胞病变存在部分重叠，极易与良恶性黑色素细胞病变混淆(如图1所示)，病理医生诊断极其困难。然而，临床上不同类型的黑色素细胞病变的治疗方式及预后明显不同。恶性黑色素细胞病变(黑色素瘤)患者需进行外科手术切除，并联合放化疗、干扰素治疗及免疫治疗等辅助治疗方法;不典型黑色素细胞病变患者仅需外科手术将病灶切除，无需放化疗等辅助治疗，但需密切回访观察;良性黑色素细胞病变患者仅需切除病灶。因此，黑色素细胞病变的早期精准诊断对手术方案的制定及患者预后的提升具有重要意义。近年来，随着病理全切片扫描技术的成熟和人工智能技术的发展，病理全切片图像的人工智能分类有望为上述临床痛点问题提供一种有效的解决方案。

　　针对临床需求，中国科学院苏州生物医学工程技术研究所高欣团队联合上海交通大学医学院附属第九人民医院病理科，开展黑色素细胞病变人工智能辅助病理诊断研究，团队借助深度学习方法，提出了一种全流程自动化的黑色素细胞病变病理诊断新方法(如图2所示)。利用深度学习方法构建了图像块预测模块，输出黑色素细胞病变类型概率，实现病理组织切片局部信息客观定量的数字化解读;采用决策融合策略聚合每位黑色素细胞病变患者所有图像块的预测结果，从而构建患者诊断模块，因此，通过该方法只需输入黑色素细胞病变患者的病理全切片图像即可获得该患者的病变类型。多中心临床数据验证结果显示，所提方法的准确率显著高于临床病理医生独立诊断的准确率，且在该方法的辅助下，病理医生的诊断准确率均有提升，尤其是低年资病理医生，诊断准确率提升近40%。

　　这项研究的价值在于探索并验证了人工智能技术在辅助病理医生提升黑色素细胞病变诊断准确率方面的临床应用潜力，为改善我国病理医师资源严重短缺的现状提供一种新的途径，对精准医疗的长远发展具有重要指导意义。

   本文旨在介绍医学研究进展，不能作为治疗方案参考。如需获得健康指导，请至正规医院就诊。仅供读者参考，著作权、版权归属原创者所有。转载此文是出于传递更多正能量信息之目的，侵权删