近日《自然-通讯》（Nature Communications）在线发表了由中山大学肿瘤防治中心病理科蔡木炎主任医师团队牵头，中山大学计算机学院郑伟诗教授和王瑞轩副教授团队、中山大学附属第一医院罗俊航教授合作完成的一项基于H&E染色切片的人工智能筛查EBV相关性胃癌亚型的最新研究成果。
       本研究为探索一种低成本、可靠的EBV相关性胃癌亚型筛查手段，创新性地应用深度学习模型及人机融合策略，从H&E染色病理图像中筛查EBV相关性胃癌亚型，并在国内、外多中心外部数据集中获得出色验证，使得人工智能有望应用于EBV相关性胃癌亚型的筛查，具有提高EBV相关性胃癌亚型检出率、促进胃癌精准化诊疗、降低医疗费用的推广意义。

       EBV相关性胃癌是胃癌的一类少见分子亚型，约占胃癌的9%。此类分子亚型的胃癌患者具有相对独特的组织学形态（合体细胞样排列，间质显著的淋巴细胞浸润），PD-L1高表达，可从免疫治疗中获益，具有较好的预后。准确识别这部分可能从免疫治疗中获益的EBV相关性胃癌亚型病人，对临床胃癌的精准化诊疗具有重要意义。但单纯依靠病理医生H&E形态学观察，敏感性和特异性均较低，且不同病理医生间及同一病理医生不同时间段的诊断结果有明显的变异性。目前筛查手段是对所有胃癌病理标本均进行EBV原位杂交检测。
       我国胃癌每年新发病例约为68万例，占全球发病病例的一半左右。一项EBV原位杂交检测费用约500元，全国胃癌患者EBV原位杂交检测总费用高达3.4亿。EBV相关性胃癌亚型的发生频率低（约9%），当前广覆盖式的筛查手段成本效益比不佳，因此寻找低成本、可靠的EBV相关性胃癌亚型的筛查手段具有重要的临床意义及转化价值。
       近年来，人工智能在H&E染色切片中预测癌症的分子分型方面表现出独特的优势。本研究团队基于EBV相关性胃癌与EBV阴性胃癌在H&E染色切片中的形态学差异，以ResNet50为模型基本骨架，建立了基于H&E染色切片预测胃癌患者EBV状态的AI模型EBVNet。首先，纳入1006个来自中山大学肿瘤防治中心的H&E染色胃癌病理图像作为模型EBVNet的训练集和内部测试集，并分别在来自国内多中心（417个H&E染色胃癌病理图像）和国际多中心（癌症基因组图谱（TCGA），258个H&E染色胃癌病理图像）的两个独立外部验证集中验证EBVNet的准确性。同时在外部验证集中比较模型EBVNet与6位不同级别病理医师基于H&E染色切片预测胃癌患者EBV状态的诊断效能。

       研究结果显示：在中山大学肿瘤防治中心内部测试集Internal-STAD中，EBVNet有效地预测了胃癌患者的EBV状态，操作者曲线下面积（area under the receiver operating curve, AUROC）高达0.969。在国内多中心外部验证集MultiCenter-STAD中，AUROC达0.941；在国际多中心外部验证集TCGA-STAD中，AUROC达0.895。比较模型EBVNet与不同级别病理医师基于H&E染色切片预测胃癌患者EBV状态的诊断效能，显示模型EBVNet达到或超过病理医师基于H&E染色切片的诊断能力。为了推动模型EBVNet在临床病理诊断实践中的转化应用，本研究团队创新性地提出了基于EBVNet和病理医师诊断确定性自我评估的人机融合策略，有效融合了两者的诊断结果，进一步提高了诊断效能和临床应用价值。

       本项研究的核心蔡木炎主任医师团队成员由学术型研究生、临床博士后、病理诊断医生组成，平均年龄不足30岁，具有朝气蓬勃、以转化应用为选题导向、多学科交流与协作的特色，近几年有多项研究成果发表在国际知名期刊。本次研究成果在Nature Communications发表就是团队科研业绩的一个缩影。正如科室云径平主任所说，人工智能既是一项新技术，也是一种新思维，给病理学科带来了巨大的发展机遇，今后会把病理人工智能作为科室发展的重要科研方向。蔡木炎主任医师团队将继续响应学科发展号召，把人工智能作为团队重要的研究方向，在病理学科的土壤中持续深耕下去。
       中山大学肿瘤防治中心病理科蔡木炎主任医师、中山大学附属第一医院罗俊航教授、中山大学计算机学院郑伟诗教授为本论文的共同通讯作者。中山大学肿瘤防治中心博士研究生郑雪怡、中山大学计算机学院王瑞轩副教授、中山大学肿瘤防治中心病理科张新科主治医师、天津医科大学肿瘤医院孙燕教授为本文的共同第一作者。中山大学肿瘤防治中心病理科云径平教授、谢丹教授在项目的研究思路、技术路线、结果展示等方面给予了悉心指导。

       以下为论文链接：https://www.nature.com/articles/s41467-022-30459-5