淋巴结临床病理人工智能诊断系统可准确识别微转移

　　在此基础上，研发了胃癌淋巴结临床病理人工智能辅助诊断系统。通过双中心回顾性临床试验证，实该了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。

　　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。具体的，研究人员结合完整的临床随访记录数据，提取预后预测相关定量可解释的新指标——肿瘤细胞区域占转移淋巴结的区域比值T/MLN。通过Kaplan-Meier分析证实该指标可以有效地将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。

预后新指标T/MLN可将N分期进一步亚分期

　　目前，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。

　　该成果由西安电子科技大学软件工程研究所医学人工智能实验室刘西洋教授团队、上海龙华医院于观贞教授团队、长海医院陈颖教授、301医院高云姝教授、江西省肿瘤医院张慧卿教授团队等共同参与完成。西安电子科技大学王晓东、长海医院陈颖教授、301医院高云姝教授、江西省肿瘤医院张慧卿教授为论文共同第一作者。

　　此外，在计算病理学领域，刘西洋教授团队还与复旦大学附属中山医院高强教授团队深度合作，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。研究人员通过中山医院大规模的肝癌病理组织图像数据集，构建了肝癌病理组织分类与预后预测系统，显著提高了患者预后生存风险的预测准确性。使用TCGA-HCC数据集作为独立验证集，验证了该系统的泛化能力。论文“Exploring prognostic indicators in the pathological images of hepatocellular carcinoma based on deep learning”于2020年9月在肠胃病学权威期刊Gut(IF=19.8)发表。

　　上述研究成果得到了国家重点研发计划的支撑。据悉，计算机科学与技术学院软件工程研究所围绕“软件工程”学科中“领域软件工程”学科方向，长期从事医学人工智能领域的研究，与中山大学眼科中心、复旦大学附属中山医院、海军军医大学附属长海医院以及空军军医大学西京医院等国内知名医院建立了长期深入的合作。团队坚持临床需求驱动，在高效医学影像分析、计算病理学以及复杂与不确定条件下的临床决策支持等方向，与医学团队开展了深入的医工交叉研究，并在Nature Biomedical Engineering(2020)、Gut(2020)、Nature Communications(2021)等学术期刊发表论文多篇。