Nature Cancer：让AI来阅读复杂的癌症切片

　　

剑桥大学和西安交通大学等机构的研究人员近日开发出一种新型人工智能工具，能够在一分钟内完成复杂的组织样本数字图像的分析，这类图像若由经验丰富的病理学家来注释，可能需要20分钟。

这种名为SMMILe的机器学习算法不仅能够准确检测活检和手术切片上是否存在癌细胞，还能预测肿瘤病灶的位置，甚至预测侵袭程度不同的区域比例。

这项研究成果于11月19日发表在《Nature Cancer》杂志上。未来，该工具有望指导患者的治疗，帮助科学家深入了解癌症的发展过程，并发现新的生物特征以改进检测。

人工智能 (AI) 工具近来展现出巨大潜力，可帮助病理学家检查疑似或确诊癌症患者的组织样本。它们能够生成“空间图谱”，帮助病理学家了解癌细胞的位置及其扩散方式。但迄今为止，训练这些工具仍需要大量由专业病理学家标注的高质量参考切片。

在这项新研究中，科学家们开发出一种AI工具，可使用已标注简单诊断信息（比如癌症类型或分级）的切片进行训练。值得注意的是，这些切片无需病理学家耗时费力对各个区域进行详细注释。

尽管信息量很有限，但SMMILe算法能够提供每张切片的详细信息，包括绘制肿瘤病灶的位置，并估计不同亚型和分级的病灶比例及空间分布。

第一作者、剑桥大学肿瘤学系的Zeyu Gao博士指出：“癌症并非总是千篇一律的。同一个肿瘤可能包含不同的亚型，其中一些亚型更具侵袭性。”

“我们的模型不仅能判断‘没错，确实有癌症’，还能绘制出这些亚型及其在组织中的比例。这有望帮助医生更有效地制定个性化治疗方案，更深入地了解每位患者的癌症特征。” Gao博士参与了SMMILe算法的开发。

研究人员在八个数据集上测试了该算法，包括3,850张全切片图像，覆盖六种癌症类型：肺癌、肾癌、卵巢癌、乳腺癌、胃癌和前列腺癌。

与目前9种先进的全切片图像分类AI工具相比，SMMILe在切片的分类表现上与这些工具相当，在某些情况下甚至更胜一筹；而在估计病灶比例和空间分布方面，SMMILe的表现则显著优于这些工具。

共同通讯作者、剑桥大学的Mireia Crispin-Ortuzar博士表示：“我们开发的技术类似于图像领域的‘声呐’，它本质上让我们能够在黑暗中观察。通常，我们掌握了肿瘤的信息，但我们不知道它在组织中的分布情况。虽然有一些技术可以获取这些信息，但成本非常高。”

“借助新型的AI方法，我们可以准确地绘制肿瘤样本——而且妙处在于，它是在成本不高的公开数据集上进行训练的，这些数据集只包含批量细胞的非空间信息。”

尽管SMMILe目前专注于组织切片的分类，但研究人员计划利用它来预测生物标志物，以揭示肿瘤在分子层面的行为。这将有助于进一步了解癌症的进展和扩散机制，并有望为每位患者制定个性化的治疗方案。

Gao博士补充说：“通过帮助病理学家更快、更准确地做出诊断，我们可以确保患者更早获得更好的治疗，从而提高癌症的治愈率。AI将会对患者生活产生深远的影响。”