中山大學Wu等報告，一種新開發(fā)的、基于人工智能(AI)的膀胱癌診斷模型，在檢測淋巴結轉移，特別是微轉移方面表現(xiàn)良好。該模型在提高病理學家工作的準確性和效率方面顯示出巨大的臨床應用潛力。(Lancet Oncol. 2023年3月6日在線版)

準確的淋巴結分期對膀胱癌患者的診斷和治療非常重要。為了開發(fā)一種基于全切片圖像的淋巴結轉移診斷模型(LNMDM)，并評估AI輔助工作流程的臨床效果，該項在中國進行的回顧性、多中心、診斷性研究連續(xù)納入接受根治性膀胱切除術和盆腔淋巴結清掃術的膀胱癌患者，這些患者有完整的淋巴結切片圖像可用于模型開發(fā)。

研究者排除了非膀胱癌和同步手術的或低質量的圖像。兩家醫(yī)院的患者在截止日期前被分配到訓練集，在截止日期后被分配到內部驗證集。另三家醫(yī)院的患者被分入外部驗證集。主要終點為診斷敏感性。

結果顯示，2013年1月1日至2021年12月31日，1012例符合條件的膀胱癌患者被納入研究，包括8177幀圖像和20 954個淋巴結。研究者排除不符合條件的情況后，最終納入了998例患者和7991幀圖像(881例為男性，117例為女性;中位年齡64歲;沒有種族數(shù)據;268例有淋巴結轉移)，用以開發(fā)LNMDM。

在5個醫(yī)院的驗證集中，LNMDM準確診斷的曲線下面積(AUC)范圍為0.978(95%CI 0.960~0.996)至0.998(95%CI 0.996~1.000)。

LNMDM和病理學家之間的性能比較表明，該模型的診斷敏感性(0.983，95%CI 0.941~0.998)大大超過了初級病理學家(0.906，95%CI 0.871~0.934)和高級病理學家(0.947，95%CI 0.919~0.968)，AI輔助提高了初級病理學家(從無AI時的0.906到有AI時的0.953)和高級病理學家(從0.947到0.986)的診斷敏感性。

在多癌種測試中，LNMDM診斷乳腺癌圖像和前列腺癌圖像時的AUC分別保持在0.943(95%CI 0.918~0.969)和0.922(95%CI 0.884~0.960)。

在13例患者中，LNMDM檢出了被病理學家遺漏的腫瘤微轉移，病理學家先前將這些患者的結果分類為陰性。AUC顯示，LNMDM能使病理學家排除80%~92%的陰性切片結果，同時在臨床應用中保持100%的敏感性。 (編譯 吳文博)