乳腺癌Ki-67人工智能自动诊断系统的真实世界应用测试

  目的  研究人工智能（AI）用于辅助临床乳腺浸润性导管癌（IDC）Ki-67评分的不同方法并比较其结果。  方法  收集100例真实临床IDC诊断病例,包括HE、免疫组化Ki-67染色的切片和诊断结果。将病理切片扫描成全片数字化图像（whole slide image, WSI）,并使用AI对其进行评分。AI评分方式分为两种,一种为AI纯自动计数,使用Ki-67自动诊断的评分系统对WSI进行全片计数;第二种是AI半自动计数,需要人工选择区域计数,然后用智能显微镜进行自动计数。病理医生的诊断结果作为纯人工计数的结果。将全人工（病理诊断结果）、AI半自动、AI全自动此3种计数所得的Ki-67分数进行两两比较,分别按差异高低进行归类,差异高低分为3档:相差≤10%、相差>10%～<30%和相差≥30%,并且使用组内相关系数 （intra-class correlation coefficient, ICC）对其进行相关性的评价。  结果  全自动AI计数1例Ki-67的时间为5～8 min,而半自动AI方法为2～3 min,全人工计数则需要1～3 min。两种AI计数方法相比较,Ki-67分数的相差全部在10%以内（占比100%）,ICC指数高达0.992。全人工计数和AI半自动相比,相差≤10%的有60例（占比60%）,相差>10%～<30%的例数为37例（占比37%）,而≥30%的只有3例（占比3%）,ICC指数为0.724;全人工计数和AI全自动相比,相差≤10%的有78例（占78%）,相差>10%～<30%的例数为17例（占比17%）,而≥30%的有5例（占比5%）,ICC指数为0.720。ICC数值示,两种AI方法之间差异不大、可重复性很好,AI和人工计数之间的可重复性可接受。  结论  AI全自动方法的优势在于更节省人力,病理医生只需在最后核对诊断结果。而半自动的方法更符合临床病理医生的诊断习惯,整体耗时较AI全自动方法少。此外,AI方法虽然可重复性较高,但不能完全取代病理医生,而应作为有力的辅助工具看待。     

人工智能在新辅助治疗后乳腺癌疗效及预后预测中的研究现状

新辅助治疗(neoadjuvant therapy, NAT)是目前临床治疗乳腺癌的重要手段之一，不同患者对NAT的治疗反应差异较大。预测标志物有助于实施治疗前预测患者对NAT的应答情况，从而为临床治疗决策提供参考。该文总结了乳腺癌NAT疗效预测的相关研究，主要从常规临床预测标志物、多基因表达谱和人工智能结合数字病理三个研究领域进行概述，重点介绍了当前应用人工智能技术从病理图像中进行疗效及预后预测的研究现状，旨在提高对乳腺癌NAT后疗效及预后预测标志物方面的认识水平。     

计算机定量辅助在乳腺癌ER、PR表达判读一致性中的应用

目的 比较计算机定量辅助判读ER、PR阳性率和染色强度与人工判读的一致性。方法 收集100例乳腺浸润性导管癌标本，先由三位病理医师对100例乳腺浸润性导管癌中ER、PR阳性率和染色强度进行判读；再由三位诊断水平相近的病理医师应用计算机定量辅助显微镜进行判读，分别计算两组阳性率的组内相关系数(intraclass correlation coefficient, ICC)和染色强度的Fleiss Kappa值。结果 三位病理医师采用人工判读ER、PR阳性率的ICC为0.943(95%CI:0.920～0.960)、0.946(95%CI:0.930～0.960)(P<0.01);ER、PR染色强度的Kappa值为0.592(95%CI:0.519～0.665)、0.482(95%CI:0.411～0.552)(P<0.01)。另三位病理医师采用计算机定量辅助判读ER、PR阳性率的ICC为0.980(95%CI:0.970～0.990)、0.977(95%CI:0.970～0.980)(P<0.01);ER、PR染色强度的Kappa值为0.692(95%CI:0.622～...     

12例胃肝样腺癌临床病理特征分析

目的 总结12例胃肝样腺癌(HAS)患者的临床资料，探讨HAS的临床病理特征、临床病理诊断经验，加深对该疾病生物学行为认识度。方法 回顾性分析本院病理科2010～2017年诊断的HAS患者临床病理资料，并结合已有文献及WHO(第5版)消化系统疾病分类对该疾病的归类进行讨论。结果 12例HAS患者中男11例，女1例，平均年龄(55.17±11.65)岁；临床表现为上腹部隐痛、黑便、乏力等；8例患者术前血清AFP升高；11例行根治性胃癌切除术(其中3例行全胃切除术),另1例行姑息性手术；病理组织学呈低分化表现，弥漫或片状排列，肿瘤细胞胞浆红染嗜酸性；常见脉管内癌栓及神经侵犯，多组淋巴结转移；4例患者术前即有肝脏占位；免疫组化：肝细胞分化标记AFP、Hepa、Glypican-3、GS、SALL-4不同程度表达；临床分期：Ⅱ期、Ⅲ期和Ⅳ期分别2例、4例、6例；经2～96个月随访，2例失访，10例在访患者4例死亡，中位生存期42.1个月，1、3、5年生存率分别为80%、80%、70%。结论 HAS临床表现缺乏特异性，常伴血清AFP升高，可表达部分肝细胞癌的标记，诊断需鉴别肝细胞癌转移可能。本病...     

乳腺癌病理精准诊断发展的方向

乳腺癌病理精准诊断是实现个体化治疗的前提。近年来, 乳腺癌病理诊断规范不断更新和优化, 为临床治疗提供更好的指导和依据。本文就乳腺癌组织学分型研究进展、乳腺癌相关新型抗体耦联药物及免疫治疗生物标志物的检测进展、新辅助治疗后及前哨淋巴结病理评估、乳腺癌的基因检测进展和人工智能辅助乳腺癌病理实践等内容展开论述。     

数字病理科和病理人工智能发展现状与展望

<正>作为数字病理和人工智能(artificial intelligence, AI)的重点号，本期刊出了关于探讨数字化智慧病理科建设中数字扫描仪选择的文章，纳入了2篇病理AI的研究工作和AI在肺癌病理诊断领域应用的专家论坛，AI在新辅助治疗后乳腺癌疗效及预后预测中研究现状的综述，内容丰富。数字病理科建设、病理AI的研究及推广应用是当代病理学发展的热点和趋势，应该进一步引起我们的重视^[1]。     

乳腺癌新辅助治疗病理反应的标准化

<正>新辅助治疗(neoadjuvant therapy, NAT)是主要针对局部晚期或不可切除的乳腺癌，提高保乳手术机会的治疗方法^[1]。目前，除了作为局部晚期乳腺癌的一线治疗方案，NAT还可用于监测治疗反应、高效评估药物疗效^[2]。因此，美国食品药物管理局(food and drug administration, FDA)将病理完全缓解(pathological complete response, pCR)作为评估乳腺癌新辅助试验的终点，并提供了依据^[3]。