美國斯坦福大學Kun-Hsing Yu等的一項新研究表明，計算機可用于分析肺癌患者組織的HE染色切片，其診斷正確率高于有經(jīng)驗的病理科醫(yī)生。這一方法能夠準確鑒別肺的良惡性組織及肺鱗腺癌，并能預測患者的生存。（Nat Commun. 2016年8月16日在線版）

研究者自癌癥基因組圖譜（TCGA）項目中獲取了1017例患者（515例肺腺癌，502例肺鱗癌）的2186張病理學切片圖像，其中包括癌癥組織和癌旁良性組織，并將其隨機分成訓練集與測試集。測試集還納入了來自斯坦福組織芯片（TMA）數(shù)據(jù)庫的294張組織芯片圖像（227例肺腺癌，67例肺鱗癌），以檢驗訓練集的數(shù)據(jù)。研究者將訓練集TCGA隊列的組織病理圖像、病理報告和臨床信息輸入到計算機中，利用軟件進行后處理。所有的病理學圖片被平鋪分塊，計算機自動選取每張圖片中10個最密集的地方，最終為TCGA隊列中每例肺癌患者選取了超過500萬個圖像塊，提取了每一個圖像塊上9879個定量化的形態(tài)學信息，包括細胞大小、形態(tài)、細胞及細胞核的像素強度分布情況、細胞及細胞核的質地等，并將這些量化的信息輸入到“分選器”中，以構建診斷或預測模型。

該研究首次證實：量化的細胞形態(tài)學特點具有生物學相關性，可用于鑒別惡性組織與癌旁正常組織。經(jīng)過“分選器”選出的80種量化數(shù)據(jù)中鑒別良惡性組織方面的準確率超過85%，而兩位資深的病理科醫(yī)生評估相同切片的準確率僅為60%。研究者運用同樣的方法在TCGA和TMA數(shù)據(jù)組中選出240個量化數(shù)據(jù)以鑒別肺腺癌和肺鱗癌，準確率超過75%。

此外，該研究還證實了量化的形態(tài)學特點具有一定的生存預測價值。相同分期患者的轉歸差異較大，很難通過肉眼觀察HE染色切片來預測。但量化的圖片特點可以顯示肉眼觀察不到的腫瘤細胞形態(tài)學差異，從而有效地鑒別長期生存者與短期生存者。同樣的方法在肺鱗癌中也適用，所不同的是，60種量化數(shù)據(jù)對肺腺癌有預測價值，而肺鱗癌為15種。

目前，多種惡性腫瘤的治療依賴于病理分型，計算機對病理學圖像的處理成為新的研究熱點。這種客觀的評估方法可以彌補病理科醫(yī)生主觀分析的不足，但不能替代醫(yī)生的診斷。通過一些量化的病理學圖像數(shù)據(jù)進行腫瘤分型并預測生存，可以幫助臨床醫(yī)生進行個體化治療。

（編譯 周旻 審校 盧鈾）