近日，我校中山醫(yī)學(xué)院李偉忠教授團(tuán)隊(duì)和附屬第一醫(yī)院柯尊富教授團(tuán)隊(duì)聯(lián)合開(kāi)發(fā)了一種基于深度學(xué)習(xí)的肺部病理圖像智能診斷模型，能夠準(zhǔn)確區(qū)分肺癌及其易混淆疾病的病理圖像。研究成果“Deep learning-based six-type classifier for lung cancer and mimics from histopathological whole slide images: a retrospective study”于2021年3月29日在國(guó)際醫(yī)學(xué)權(quán)威期刊BMC Medicine在線(xiàn)發(fā)表。
研究人員通過(guò)有監(jiān)督學(xué)習(xí)的方式構(gòu)建肺部疾病組織學(xué)類(lèi)型的深度學(xué)習(xí)分類(lèi)器，以熱圖的方式可視化結(jié)果，并經(jīng)過(guò)多個(gè)醫(yī)學(xué)中心的獨(dú)立數(shù)據(jù)集驗(yàn)證模型的綜合性能，以人機(jī)比較的方式進(jìn)一步評(píng)價(jià)模型的臨床意義。該模型是首個(gè)能夠區(qū)分肺腺癌、肺鱗癌、小細(xì)胞肺癌、肺結(jié)核、機(jī)化性肺炎和正常肺部組織的六分類(lèi)器，拓展了肺部組織分型的人工智能輔助診斷范圍，適用于復(fù)雜多病種診斷需求，具有很好的臨床可解釋性。研究人員在來(lái)自四個(gè)不同醫(yī)療中心的1000多張病理切片上進(jìn)行了測(cè)試，AUC最高達(dá)到0.978，與臨床真實(shí)診斷結(jié)果高度吻合。研究人員還邀請(qǐng)4位來(lái)自我校附屬第一醫(yī)院病理科不同年資的病理醫(yī)生進(jìn)行雙盲閱片對(duì)照，結(jié)果顯示模型達(dá)到了與經(jīng)驗(yàn)豐富的病理醫(yī)生相近的診斷水平。
該研究成果建立的人工智能模型用于識(shí)別肺癌及其易混淆疾病的病理圖像，面對(duì)復(fù)雜的臨床病理學(xué)情景，表現(xiàn)出卓越的準(zhǔn)確性、穩(wěn)定性和實(shí)用性，其臨床轉(zhuǎn)化應(yīng)用將能提升病理診斷效率和準(zhǔn)確度，達(dá)到智能輔助診斷的目的。
（上）從左到右分別為肺腺癌、肺鱗癌、小細(xì)胞肺癌、肺結(jié)核、機(jī)化性肺炎和正常肺部組織病理的可視化圖像。
（下）桑基圖說(shuō)明了最佳病理學(xué)家判斷結(jié)果、真實(shí)診斷標(biāo)簽與六分類(lèi)模型預(yù)測(cè)結(jié)果之間的區(qū)別。
https://bmcmedicine.biomedcentral.com/articles/10.1186/s12916-021-01953-2
