“叒”发一篇！IF=15.1赛维森科技与孙逸仙纪念医院开发的“人工智能前列腺癌淋巴结转移辅助诊断系统”研究公开发表！

近日，赛维森科技携手中山大学林天歆教授、吴少旭教授及其团队的研究成果在国际权威期刊：柳叶刀子刊eClinicalMedicine(IF=15.1)在线发表，题为"An artificial intelligence model for detecting pathological lymph node metastasis in prostate cancer using whole slide images: a retrospective, multicentre, diagnostic study”。本研究旨在开发一种基于人工智能的前列腺癌淋巴结转移检测器（ProCaLNMD），能够有效辅助病理医师改进临床工作流程，降低肿瘤淋巴微转移灶(<2mm)的漏诊率，并缩短病理阅片用时。

研究背景：

淋巴结转移状态的诊断对前列腺癌的治疗至关重要。但劳动密集型的淋巴结病理阅片过程，病理医生的相对缺乏，其繁重的日常工作量等因素导致常规病理报告对前列腺癌淋巴微转移(<2mm)的漏诊率高达8~13%。这耽误了适当的辅助治疗决策，影响患者预后。

研究方法：

本研究收集并数字化扫描来自全国五家大型医疗中心的1,297名前列腺癌患者的8,225张H&E染色淋巴结病理切片。高级专家回顾性审查所有玻片，必要时加做免疫组化染色确认，由此确立本研究的诊断金标准。基于专家级详细标注，ProCaLNMD在单中心数据集上训练，并在其他四家中心进行外部验证。此外，还使用了膀胱癌数据集进一步验证ProCaLNMD在泛癌种数据上的表现。本研究主要评估指标为ProCaLNMD的接受者操作特征曲线下面积（AUROC），同时评估了病理医生在ProCaLNMD辅助下的表现指标。

图1. 研究数据纳排流程图

对淋巴结内癌灶采用专家标注，勾勒肿瘤区域轮廓。基于DeepLabV3plus架构构建深度学习模型，采用RegNet_Y40为语义分割网络，以高级别病理医师诊断结果为金标准，训练、迭代模型。模型输出可疑癌灶区域的像素级热图，辅助医师快速判别诊断淋巴结内肿瘤转移。

图2. 模型开发验证示意图

研究结果：

ProCaLNMD在训练和各外部验证数据集中的AUROC达0.975至0.992，敏感性>95.5%，特异性>92.1%，在跨癌种数据集中的AUROC也达到0.979。经ProCaLNMD提示、资深专家复核，共计纠正了常规病理报告漏诊的28例（8.5%）淋巴结微转移病例。ProCaLNMD的诊断敏感性超过了低年资病理医生，同时，通过人机协作，ProCaLNMD可辅助提升不同年资病理医师的诊断水平，还显著缩短了阅片所需时间。

图3. ProCaLNMD检测微转移效果示例

图4. ProCaLNMD在多中心数据集及人机协作场景的表现

模型在多个外部中心验证中表现良好，展现了可信赖的稳健性。人机协作场景下，不同年资病理医师的诊断性能均得到提升，且阅片所需时间大幅缩短

实机演示视频

研究意义：

本研究表明，基于人工智能的前列腺癌淋巴结转移检测器具有高诊断能力，能够降低肿瘤淋巴微转移灶漏诊率并提高工作效率。将ProCaLNMD整合到临床工作流程中对提高前列腺癌的诊疗水平、改善患者预后具有重要的临床应用价值。

原文链接：

https://www.thelancet.com/journals/eclinm/article/PIIS2589-5370(24)00159-7/fulltext