面板作為保護人體內迴圈系統正常運作的一道重要屏障，用於隔絕外界環境中細菌、病毒等有害物質對人體的侵害，如若人體內部出現異常，面板狀態也會發生變化，產生病變。面板病變又稱為面板腫瘤，其中，惡性的面板腫瘤就是全世界最常見的十大癌症之一的面板癌。調查顯示，在過去30年中，面板癌患者數量遠超過其他所有癌症患者數量之和，此外，受環境汙染和臭氧層破壞等因素的影響，面板癌全球每年新增病例高達300萬並且逐年上升，成為世界上最嚴重的健康問題之一。
面板癌種類繁多，通常可分為黑色素瘤和非黑色素瘤。黑色素瘤雖然只佔面板癌的1%，但卻是面板癌中最危險的形式，侵襲能力最強、惡性程度最高、轉移速度最快，致死率高達80%，據統計，平均每54分鐘就有一人因黑色素瘤而死亡。
黑色素瘤由面板表皮黑色素細胞產生惡性病變並迅速繁殖而形成，而面板表皮黑色素細胞病變還包括不典型與良性兩種病變型別。目前黑色素細胞病變型別主要透過顯微鏡下病理組織學分析進行確診，這種方法嚴重依賴病理科醫生的經驗，主觀性強，而且，不典型黑色素細胞病變的組織學模式和生物學特徵均與良惡性黑色素細胞病變存在部分重疊，極易與良惡性黑色素細胞病變混淆（如圖1所示），病理醫生診斷極其困難。然而，臨床上不同型別的黑色素細胞病變的治療方式及預後明顯不同。惡性黑色素細胞病變（黑色素瘤）患者需進行外科手術切除，並聯合放化療、干擾素治療及免疫治療等輔助治療方法；不典型黑色素細胞病變患者僅需外科手術將病灶切除，無需放化療等輔助治療，但需密切回訪觀察；良性黑色素細胞病變患者僅需切除病灶。因此，黑色素細胞病變的早期精準診斷對手術方案的制定及患者預後的提升具有重要意義。近年來，隨著病理全切片掃描技術的成熟和人工智慧技術的發展，病理全切片影象的人工智慧分類有望為上述臨床痛點問題提供一種有效的解決方案。
針對臨床需求，中國科學院蘇州生物醫學工程技術研究所高欣團隊聯合上海交通大學醫學院附屬第九人民醫院病理科，開展黑色素細胞病變人工智慧輔助病理診斷研究，團隊藉助深度學習方法，提出了一種全流程自動化的黑色素細胞病變病理診斷新方法（如圖2所示）。利用深度學習方法構建了影象塊預測模組，輸出黑色素細胞病變型別機率，實現病理組織切片區域性資訊客觀定量的數字化解讀；採用決策融合策略聚合每位黑色素細胞病變患者所有影象塊的預測結果，從而構建患者診斷模組，因此，透過該方法只需輸入黑色素細胞病變患者的病理全切片影象即可獲得該患者的病變型別。多中心臨床資料驗證結果顯示，所提方法的準確率顯著高於臨床病理醫生獨立診斷的準確率，且在該方法的輔助下，病理醫生的診斷準確率均有提升，尤其是低年資病理醫生，診斷準確率提升近40%。
這項研究的價值在於探索並驗證了人工智慧技術在輔助病理醫生提升黑色素細胞病變診斷準確率方面的臨床應用潛力，為改善我國病理醫師資源嚴重短缺的現狀提供一種新的途徑，對精準醫療的長遠發展具有重要指導意義。
相關成果發表於Journal of Dermatological Treatment。
來源：中國科學院蘇州生物醫學工程技術研究所
