蘇州醫工所高欣團隊提出智能化眼瞼腫瘤病理鑒別新方法

作者:張家意 時間:2022-07-20

  眼睛是人類洞察世界的關鍵器官,眼瞼則是保護眼睛的重要結構。日常生活中,揉眼習慣、過強紫外線照射以及不健康飲食等諸多因素容易誘使眼瞼部位生長腫瘤,即眼瞼腫瘤。眼瞼腫瘤有良惡性之分,其治療方案完全不同:良性腫瘤早期體積較小無需處理,后期體積較大影響視力、外觀時,手術切除即可;而惡性腫瘤一旦確診除手術切除外,還需放療、化療和靶向治療等輔助治療,同時隨訪觀察,避免癌灶轉移,導致患者失明甚至死亡。 

  在我國,眼瞼基底細胞癌(Basal Cell Carcinoma,BCC)與皮脂腺癌(Sebaceous Carcinoma,SC)是最為常見的兩種眼瞼惡性腫瘤,分別占據眼瞼惡性腫瘤的41.82%41.55%。臨床上,BCC患者行手術切除后將輔以電化療,而SC患者手術后則采用放療輔助。此外,由于BCC的轉移率與死亡率較低(分別為0.0028%0.5%),患者術后五年內每年隨訪一次即可;而SC的轉移率高出BCC數千倍(達到21%),且死亡率也高出其數十倍(為7.5%),患者術后一個月、三個月、六個月均需隨訪,且需保證五年內每半年隨訪一次。因此,眼瞼BCCSC二者精準鑒別對患者術后輔助治療方式以及隨訪方案的制定具有重要意義。 

  然而,外觀上二者均表現為孤立的實體結節,且均伴有纖毛缺失(如圖1ab所示),難以肉眼區分,必須借助組織病理學分析進行鑒別。但二者均來源于毛囊皮脂腺,細胞組織形態相似(如圖1cd所示),病理醫師顯微鏡下肉眼鑒別難度大,特別是當腫瘤細胞組織分化較差時,病理診斷不僅耗時,而且極易誤判。 

  針對上述問題,中科院蘇州醫工所高欣團隊借助前期在病理圖像智能計算領域積累的技術,面向眼瞼腫瘤精準鑒別需求,提出了一種全自動智能化病理圖像分類方法(如圖2所示)。該研究共納入上海交通大學醫學院附屬第九人民醫院296張眼瞼腫瘤病理全切片圖像(Whole Slide Image,WSI),其中BCC 116張,SC 180張。團隊基于深度學習方法,采用遷移學習策略,構建圖像塊預測模塊,精確計算圖像塊的腫瘤類型概率,實現了細粒度水平下病理組織切片的數字化定量解讀;采用概率平均方式聚合每張WSI中所有圖像塊的預測結果,構建WSI分類模塊,最終實現了眼瞼腫瘤類型精準鑒別。 

  研究結果表明,所提方法的準確率在測試集上達到98.3%,實現了目前已報道的精度最高的眼瞼BCCSC病理WSI分類,并且顯著高于3名臨床病理醫師(1名具備10年以上皮膚科病理診斷經驗的高年資病理醫師和2名剛完成3年規范化培訓的低年資病理醫師)獨立鑒別的準確率(分別為83.1%、72.9%64.4%)。此外,借助所提方法,病理醫師的鑒別準確率均有提升,特別是低年資病理醫師的診斷準確率提升近30.0%。 

  研究的價值在于探索并驗證了人工智能技術在輔助病理醫師提升眼瞼腫瘤鑒別準確率方面的臨床應用潛力,為改善我國眼科疾病診療現狀提供新的理論依據和方法。 

  相關成果發表于放射學領域期刊Quantitative Imaging in Medicine and SurgeryIF 4.630),蘇州醫工所張家意博士為并列第一作者。 

  論文鏈接https://dx.doi.org/10.21037/qims-22-98 

   1. 眼瞼腫瘤外觀與病理圖像。 

  aBCC外觀;(bSC外觀;(cBCC病理;(dSC病理 

 圖2. 全自動智能化的眼瞼腫瘤病理鑒別方法流程圖。

附件下載:
亚洲日韩精品无码麻豆_亚洲日韩精品欧美蜜芽_亚洲日韩精品蜜芽TⅤ_亚洲日韩精品第一页
<蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>|