您好,欢迎您

2025 WCLC | 基于野口分型的AI方法分析浸润性肺腺癌的形态学意义

08月14日
编译:肿瘤资讯
来源:2025 WCLC
Session Type

Mini Oral

Session Title

MA07. New Perspectives in Pathology Biomarkers

摘要号

MA07.03

英文标题

Morphological Implication of Invasive Lung Adenocarcinoma -Analysis Employing AI Method Based on Noguchi’s Classification-

中文标题

基于野口分型的AI方法分析浸润性肺腺癌的形态学意义

讲者

Hitomi Kawaii, MD, PhD

讲者机构

University of Tsukuba

背景

肺腺癌(LUAD)的浸润范围与患者预后相关,是确定pT分期的重要依据。根据WHO组织学分类(第5版,2021),浸润区域包括非鳞屑样肿瘤细胞及伴有活性成纤维细胞(AFs)的纤维化区域。浸润的组织学异质性可能导致不同的预后结局。由于浸润区常呈现非鳞屑样肿瘤细胞与伴有AFs的纤维化区域的复杂混合,且非浸润区域(如肺泡塌陷)易被包裹于非鳞屑样区域中,常规病理诊断中关于浸润判读存在观察者间差异。本研究旨在建立基于人工智能(AI)的诊断工具,以减少LUAD浸润病理诊断的观察者间差异。

方法

收集日本筑波大学医院两组手术切除的LUAD标本。第一队列(2007-2013年)为35例直径≤2cm的肿瘤,第二队列(2014-2024年)为191例直径≤3cm的肿瘤。首先由2名病理学家(HK和NM)根据野口分型(Cancer, 1995)和WHO组织学分类(第5版, 2021)进行诊断。在第一队列中,将非鳞屑样区域划分为"非鳞屑样肿瘤细胞"(野口分型D-F型,WHO分类中的实体型、腺泡型、乳头型和微乳头型)和"纤维化伴肺泡塌陷"(野口分型C型)。采用弹性纤维染色明确纤维化与肺泡塌陷区域,使用Nano Zoomer(滨松光子学,日本)扫描染色切片,通过ASAP平台进行全切片图像标注。提取标注区域的小尺寸图像块,分为训练集、验证集和测试集,采用ResNet50模型进行监督学习。随后应用训练完成的AI模型分析第二队列的非鳞屑样区域,验证其对组织学异质性区域的识别能力,最后分析AI判读结果与预后的相关性。

结果

基于第一队列训练的AI模型对"非鳞屑样肿瘤细胞"和"纤维化伴肺泡塌陷"的测试准确率分别为86.2%和92.2%。在第二队列(n=191)分析中,AI倾向于将含有胶原纤维增生的、混合非鳞屑样肿瘤细胞与伴有AFs的纤维化的组织学异质区域判为"纤维化伴肺泡塌陷"。在pT1期病例(n=136)中,"非鳞屑样肿瘤细胞"占比>50%组的5年无病生存率(DFS)较差(76.3% vs 93.3%,P=0.005);在该亚组中,"纤维化伴肺泡塌陷"中央分布者的5年DFS更差(n=76,50.0% vs 83.3%,P=0.009)。

结论

通过弹性纤维染色切片开发的AI引擎可有效区分"非鳞屑样肿瘤细胞"与"纤维化伴肺泡塌陷"。基于AI对全非鳞屑样区域的分析发现的多个预后相关因素,提示可建立观察者间差异小的AI辅助浸润性LUAD预后评估标准。

责任编辑:肿瘤资讯-Bear
排版编辑:肿瘤资讯-Bear


版权声明
本文专供医学专业人士参考,未经著作人许可,不可出版发行。同时,欢迎个人转发分享,其他任何媒体、网站如需转载或引用本网版权所有内容,须获得授权,且在醒目位置处注明“转自:良医汇-肿瘤医生APP”。

评论
08月17日
马利平
漯河市第六人民医院 | 肿瘤科
建立观察者间差异小的AI辅助浸润性LUAD预后评估标准。