AI增强的术中决策工作流程：基于冰冻切片病理的弥漫性中线胶质瘤活检分子诊断新策略

《Nature Communications》：AI-augmented intraoperative decision-making workflows in diffuse midline glioma biopsy using cryosection pathology

本文推荐一项发表于《自然·通讯》的创新研究。为解决弥漫性中线胶质瘤（DMG）术中活检因冰冻切片（Cryosection）质量不佳导致的诊断误差和重复活检问题，Yuan, Y.等开发了CryoAID人工智能系统。该系统通过生成式AI校正切片伪影，结合病理基础模型直接从冰冻切片预测ATRX、H3K27M、TP53等关键分子状态。多中心验证显示，CryoAID能利用传统"不合格"样本实现准确分子分型，并将重复活检率降低26.6%。这项研究标志着术中病理诊断向实时分子病理的重要转变。

　　

在大脑深处被称为"中线"的关键区域，弥漫性中线胶质瘤（DMG）如同潜伏的幽灵，尤其偏爱儿童和青少年，已成为儿童脑肿瘤死亡的首要原因。这些肿瘤深埋于大脑要害部位，手术切除风险极高，使得活检成为获取诊断样本的主要方式。术中冰冻切片病理检查是这一过程中的关键环节，病理医生需要在短时间内判断活检样本是否含有足够的肿瘤细胞以供后续分子检测——这一决定直接影响外科医生是继续取样还是结束手术。

然而，冰冻切片质量往往不尽如人意。切片过程中产生的冰晶伪影、组织变形等问题常常掩盖了肿瘤细胞的真实面貌，导致本可用的样本被误判为"不合格"。更棘手的是，即使样本中含有肿瘤组织，不理想的形态学特征也可能降低诊断信心，促使外科医生要求再次取样。对于DMG患者而言，重复活检意味着更高的神经功能损伤甚至死亡风险。

当前临床实践面临两大挑战：一方面，精确的分子分析主要依赖于耗时的石蜡包埋（FFPE）流程，无法在手术期间提供快速反馈；另一方面，尚不清楚冰冻切片中的哪些组织学特征能够可靠预测分子特征。传统的"合格"标准仅依赖于肉眼观察到的肿瘤细胞数量，未能充分考虑组织形态与分子谱之间的关联。

正是在这一临床困境下，由复旦大学附属华山医院Yifan Yuan、Qi Yue等研究人员领衔的团队在《Nature Communications》上发表了他们的最新研究成果。他们开发了一套名为CryoAID的人工智能系统，旨在通过AI增强的术中决策工作流程，改变DMG活检的传统模式。

研究团队整合了几项关键技术方法：他们收集了来自华山医院主院区、西院区和上海伽玛医院的326例内部数据集，以及52例外院多中心数据和68例连续性数据；利用AI-FFPE生成对抗网络将冰冻切片图像转换为类似FFPE的图像质量，以校正伪影；采用预训练的病理基础模型CHIEF进行特征提取；最后通过Transformer分类器预测ATRX、H3K27M和TP53等关键基因的突变状态。

CryoAID在合格冰冻切片中精准预测分子状态

研究首先验证了CryoAID在传统"合格"冰冻切片图像上的表现。结果显示，系统对TP53、H3K27M和ATRX突变状态的预测能力显著优于其他方法，曲线下面积（AUC）分别达到0.866、0.788和0.774。在多中心外部验证中，模型保持了稳定的预测性能，TP53预测的AUC高达0.840，证明了其良好的泛化能力。通过可视化注意力权重，研究发现CryoAID能够识别与H3K27M突变相关的组织学特征，如密集分布的肿瘤细胞核和内皮细胞增生等，为预测结果提供了可解释的病理学依据。

CryoAID实现"不合格"样本的分子诊断价值挖掘

研究的最创新之处在于，CryoAID成功从传统上被视为"不合格"的冰冻切片中提取了分子诊断信息。通过两种策略——直接迁移"合格"图像训练的模型和专门针对"不合格"图像训练新模型，系统在挑战性场景下仍显示出显著的预测能力。尤其值得注意的是，当病理医生重新检查被CryoAID正确识别为H3K27M突变的"不合格"样本时，在69.1%的高注意力区域中发现了恶性肿瘤细胞，这些细胞多位于组织边缘，在初检时容易被忽略。更有意义的是，研究还发现"不合格"图像中存在特定于非肿瘤组织的预测特征，提示肿瘤微环境中的形态学改变也可能携带分子信息。

回顾性分析验证CryoAID降低重复活检率

通过模拟真实手术场景的回顾性分析，研究评估了CryoAID在减少重复活检方面的潜在价值。系统按照活检样本的获取顺序依次分析，一旦预测到任一基因突变即建议停止采样。结果显示，在内部数据集和连续性数据集中，CryoAID分别可减少26.4%和26.6%的活检次数。这一结果表明，AI辅助决策有望显著缩短手术时间，降低患者风险。

低级别中线胶质瘤的双重验证策略

针对临床实践中低级别胶质瘤（如毛细胞星形细胞瘤PA）与高级别DMG治疗策略的矛盾，研究提出了双重验证方案。CryoAID不仅能预测关键基因突变，还能进行PA的组织病理学识别，AUC达0.913，为术中决策提供了多维度信息支持。

研究结论与讨论部分强调，CryoAID代表了术中病理诊断范式的转变，首次提供了AI在"不合格"冰冻切片中提取分子信息的证据。系统揭示的可解释特征——包括可疑肿瘤细胞、胶质细胞增生、丰富胞浆和局灶性内皮细胞增生——反映了AI捕捉人眼难以识别的肿瘤微环境变化的能力。与基于刺激拉曼组织学（SRH）的FastGlioma模型相比，CryoAID的优势在于与常规神经外科工作流程的兼容性，无需特殊成像设备即可整合入现有诊断体系。

研究的局限在于样本量限制了对BRAF等少见突变的细分分析，且尚未进行前瞻性临床验证。未来工作将扩展分子标记谱系，并探索AI-病理医生协作的最佳模式。总之，这项研究证明了AI增强工作流程在降低DMG手术风险方面的实时价值，为提高患者诊疗质量提供了切实可行的技术路径。