首页 > 文章详情

Nature Cancer｜AI助力肺腺癌病理诊断：ANORAK模型在组织病理学分级中的创新应用

06月02日

来源：智能肿瘤学

近期Nature Cancer杂志刊登了英国格拉斯哥大学Yinyin Yuan, John Le Quesne 以及伦敦大学学院 David A. Moore团队建立的基于人工智能（AI）的模型--ANORAK--在肺腺癌组织病理学分级中的应用。肺腺癌的分级对于风险分层和预后评估至关重要，然而由于其复杂的形态和高度的肿瘤内异质性，这给病理医生带来了不小的挑战。这篇论文开发了一种能够更精确、更客观地评估肺腺癌生长模式的AI方法。

640 (1).jpg

ANORAK模型通过引入多分辨率输入和注意力机制，能够从苏木精-伊红染色（HE）切片中描绘出肺腺癌的生长模式。在四个独立队列的1372例肺腺癌中，基于AI的分级方法体现了对无病生存期的预后预测价值。在I期肿瘤中，AI的预后评估能力优于传统病理学家。值得注意的是，AI与病理学家分级结果存在显著差异的肿瘤，其肿瘤内异质性更高。此外，ANORAK还能进行腺泡模式的形态学和空间评估，捕捉到腺泡变化的模式转换。

从临床应用角度来看，这篇论文的研究成果具有显著的实用价值和学术价值。首先，通过AI模型的引入，可以提高肺腺癌分级的精度和效率，从而为医生提供更准确、更可靠的诊断依据。其次，AI模型在处理复杂形态和高度异质性肿瘤方面的优势，有望解决病理学家在分级过程中遇到的难题，提高诊断的准确性和一致性。最后，该模型还有助于揭示肺腺癌生长模式的形态学和空间特征，为深入研究肺腺癌的发病机制和制定个性化治疗方案提供新的视角和思路。当然，该模型的泛化性还需要进一步的验证，特别是病理切片染色流程的组间差异性极大，能否作为通用模型还值得探讨。

从学术贡献角度来看，这篇论文的贡献主要体现在以下几个方面：一是提出了一种新的基于AI的肺腺癌分级方法，为肺腺癌的精准诊断和治疗提供了新的工具；二是通过大规模的临床数据验证，证明了AI模型在肺腺癌分级中的有效性和优越性；三是揭示了AI与病理科医生在分级结果上的差异与肿瘤内异质性之间的关系，为进一步提高AI模型的性能提供了方向；四是展示了AI模型在形态学和空间评估方面的能力，为肺腺癌的深入研究提供了有力的支持。

原文链接：
https://www.nature.com/articles/s43018-023-00694-w

责任编辑：肿瘤资讯-Astrid
排版编辑：肿瘤资讯-Astrid

免责声明

本文仅供专业人士参看，文中内容仅代表智能肿瘤学立场与观点，不代表肿瘤资讯平台意见，且肿瘤资讯并不承担任何连带责任。若有任何侵权问题，请联系删除