基于深度学习整合临床与病理特征的弥漫大B细胞淋巴瘤新型预后预测模型研究

本研究针对DLBCL预后评估的临床痛点，创新性地结合WSIs数字病理特征与临床数据，通过CellProfiler提取1120个特征并构建多模态预测模型。结果显示整合模型C-index达0.791，3年OS预测AUC为0.812，显著优于传统病理评分，为精准医疗提供无创、经济的决策工具。

　　

弥漫大B细胞淋巴瘤(DLBCL)作为非霍奇金淋巴瘤最常见的亚型，约占新发淋巴瘤病例的30-40%。尽管部分患者可通过R-CHOP方案获得长期生存，仍有30-40%患者因原发耐药或早期复发导致治疗失败。当前临床依赖的国际预后指数(IPI)和修订版IPI(R-IPI)存在明显局限：在低风险患者中，15-20%仍会出现治疗无响应，这暴露出传统评分系统对肿瘤异质性识别能力的不足。虽然新兴的LymphGen基因分型能识别7种分子亚型，但约40%患者无法归类，且高昂的测序成本和组织质量要求限制了其临床应用。肿瘤微环境(PD-L1、CD8⁺
T细胞浸润)等生物标志物虽具潜力，却受制于结果判读的主观性和空间异质性。这些困境催生了对新型预后工具的迫切需求。

河北医科大学第四医院血液科团队在《Pathology - Research and Practice》发表的研究，开创性地将深度学习应用于常规HE染色切片分析。研究者收集194例DLBCL患者的全切片图像(WSIs)，通过CellProfiler软件自动化提取1120个数字病理特征，包括细胞形态、核纹理强度等参数。结合临床变量，采用LASSO-COX回归筛选出12个关键特征，最终构建包含病理评分(Path-score)和临床因素的多变量预测模型。

关键技术包括：1) 使用KF-SCAN-PL扫描仪获取20倍放大的WSIs；2) 通过ImageScope选取肿瘤细胞占比>70%的ROI区域；3) 应用Vahadane算法进行色彩归一化处理；4) 采用CellProfiler的MeasureGranularity等模块提取282个初级特征和838个次级特征；5) 通过5折交叉验证优化模型。

研究结果方面：

1. 临床特征与病理特征：队列中73%为非生发中心型(non-GCB)，49%存在MYC/BCL2共表达。通过LASSO回归筛选的5个核心特征中，核像素强度分布和细胞形状参数最具预测价值。

2. Path-score的预后价值：高风险组患者3年生存率显著降低(p<0.05)，Path-score模型对1/2/3年OS预测的AUC分别为0.892、0.824、0.759，展现出优异的早期预后识别能力。

3. 多模态模型优势：整合临床数据的nomogram将预测效能提升至新高度：C-index达0.791(95%CI:0.733-0.850)，3年OS预测AUC提升至0.812。决策曲线分析(DCA)证实该模型在临床阈值概率范围内均能提供显著净收益。

4. 亚组分析启示：在GCB/non-GCB亚型中，高风险患者均显示更差预后(p<0.05)。值得注意的是，高风险组患者更易出现淋巴细胞减少(<1.5×10⁹
   /L)、LDH升高等不良特征。

这项研究突破了传统预后模型的三大局限：首先，仅需常规HE切片即可实现精准预测，避免了昂贵检测；其次，数字病理特征量化了传统镜检难以捕捉的肿瘤异质性；最后，模型整合了治疗反应等动态临床参数。讨论部分特别指出，虽然MYC重排相关核形态特征已有报道，但本研究首次系统验证了细胞纹理特征与长期预后的关联。

研究也存在若干局限：模型"黑箱"特性影响临床解释性；外部验证队列尚未建立；样本量限制了对罕见分子亚型的分析。未来计划通过多中心研究扩大验证，并尝试结合空间转录组数据提升预测维度。目前，该模型已进入概念验证阶段，计划通过标准化API接口整合电子病历数据，最终实现从WSI上传到风险报告生成的全流程自动化。

这项创新为DLBCL精准医疗提供了重要工具：病理科可据此识别2年生存率<50%的高危患者，临床团队则能在多学科会诊中调整治疗方案。在医疗资源分布不均的现状下，这种仅需常规切片的技术路径更具普适价值，为分级诊疗提供了新思路。