编辑推荐：
胃癌（GC）临床进程受肿瘤微环境（TME）影响大，现有深度学习方法因缺乏标注图像受阻。研究人员构建含近 31K 图像的 GC 组织学图像数据集，标注 8 种 TME 组织类。该数据集助力探索 TME 模式等，推动胃癌诊疗发展。
在癌症的 “战场” 上，胃癌（Gastric Cancer，GC）是一位 “狠角色”，它是全球癌症相关死亡的第三大 “元凶” 。肿瘤微环境（Tumor Microenvironment，TME）就像一个神秘的 “幕后推手”，其高度异质性使得胃癌的临床进程变化多端。一直以来，医生主要依靠主观评估组织学切片来诊断胃癌并指导治疗，这些切片里其实藏着关于 TME 的海量信息，它们对疾病进展和治疗效果起着关键作用。
随着研究的深入，科学家们发现 TME 模式在多种癌症的诊断和预后评估中意义非凡。比如在结直肠癌、肝癌、乳腺癌等癌症研究中，通过量化 TME 中的组织成分，开发出了各种能预测患者生存和预后的生物标志物。然而，在胃癌研究领域，TME 特征的提取和分析却困难重重，原因是缺乏详细标注 TME 的图像，这就好比在黑暗中摸索，没有清晰的地图指引方向。
为了突破这一困境，哈尔滨医科大学的研究人员勇挑重担，开启了一场意义重大的研究之旅。他们构建了一个超大型的胃癌组织学图像数据集，对 TME 中的 8 种组织类型进行了详细标注，数据集包含了来自 300 张全切片图像的近 31,000 张组织学图像。这一成果意义非凡，它为深入探索胃癌 TME 模式搭建了一个重要平台，有望帮助发现新的生物标志物，为胃癌治疗策略的制定提供有力指导。而且，这个数据集还能作为开发预训练特征提取器的基础，在其他癌症的诊断和预后研究中发挥重要作用，就像一把万能钥匙，为攻克多种癌症打开新的大门。该研究成果发表在《Scientific Data》上。
研究人员为开展这项研究，运用了多个关键技术方法。首先，从哈尔滨医科大学附属肿瘤医院 2013 - 2015 年的存档中收集了 300 例胃癌患者的福尔马林固定、石蜡包埋组织切片，并使用 Aperio AT2 扫描仪（配备 20× 物镜）扫描成.svs 格式图像。接着，由两位经验丰富的初级病理医师和一位资深病理医师，通过三步注释流程，对图像中的 8 种 TME 相关组织进行标注，标注后的图像被切割成 224×224 的.png 格式补丁。最后，获取患者临床数据，并使用 Transformer 架构（ViT）和基于 CNN 的 EfficientNet 模型，通过 10 折交叉验证对数据进行分类分析。
数据记录
完整的数据集命名为 HMU - GC - HE - 30K，可在 Figshare 上公开获取。它由两部分组成，一部分是包含注释图像补丁的文件，另一部分是名为 “HMU - GC - Clinical.csv” 的电子表格，里面记录着患者的临床数据。标注后的补丁图像按 TME 组织成分分类存储，这些图像和临床信息可用于提取 TME 特征，为后续研究提供丰富的数据支持。
技术验证
在图像评估和注释过程中，研究团队进行了严格的质量控制。两位初级病理医师先分别进行初始标注，然后交叉审核，最后由资深病理医师进行最终检查，确保每张图像的诊断和注释准确无误。为了验证数据集的可靠性，研究人员选用 ViT 和 EfficientNet 模型进行分类分析。在实验中，20% 的数据集作为独立测试集，其余用于 10 折交叉验证，并且采用分层抽样确保训练集和测试集中各成分比例合理。结果显示，ViT 模型在独立测试集上的 AUC 达到 0.94，EfficientNet 模型的 AUC 更是高达 0.96，这充分证明了数据集的高质量和可靠性。
这项研究成功构建了一个大规模、详细标注的胃癌组织学图像数据集，为胃癌研究提供了宝贵资源。通过技术验证，数据集的可靠性得到了充分证实。它不仅有助于深入理解胃癌 TME 模式，推动新生物标志物的发现和治疗策略的优化，还为其他癌症研究提供了借鉴和基础，在癌症研究领域具有里程碑式的意义，为未来攻克癌症带来了新的希望和方向。
