《Photodiagnosis and Photodynamic Therapy》：Hyperspectral Histopathology with Spectral-Spatial Multiple-Instance Learning for Acute Leukemia Classification
编辑推荐：
高光谱组织病理学区分了三种骨髓诊断组。研究人员提出了一种新的光谱-空间学习框架，整合了波长与形态学信息。患者级别的交叉验证减少了重复组织区域带来的数据泄漏。合并的折外诊断曲线下面积达到0.957。光谱与组织注意力机制提供了互补的可解释性。
高光谱组织病理学区分了三种骨髓诊断组。研究人员提出了一种新的光谱-空间学习框架，整合了波长与形态学信息。患者级别的交叉验证减少了重复组织区域带来的数据泄漏。合并的折外诊断曲线下面积达到0.957。光谱与组织注意力机制提供了互补的可解释性。
论文解读文章
研究背景与问题
急性白血病是一类由未成熟造血细胞克隆性扩增引起的恶性疾病，其生物学异质性显著。当代诊断分类体系（如WHO第五版和国际共识分类ICC）强调整合形态学、免疫表型、细胞遗传学和分子检测结果。然而在实际临床工作中，明确的辅助检查结果并非总能即时获得。骨髓活检切片对于评估细胞构成、原始细胞分布、组织结构、纤维化、坏死及残余造血功能至关重要，尤其在穿刺涂片不理想或血液稀释时更具价值。
现有的人工智能辅助血液形态学研究大多基于常规RGB细胞学或涂片图像，主要依赖可见光下的形态特征。虽然已有研究展示了深度学习在骨髓涂片和血细胞图像中提取诊断模式的能力，但这些方法未能充分利用超出可见光谱范围的光学信息。高光谱成像技术（HSI）能够在每个像素点获取连续光谱，形成三维数据立方体，同时编码组织形态与波长依赖的光学信息，为数字病理学提供了潜在的补充对比度。然而，高光谱病理学在采集标准化、数据维度高、计算成本大及外部验证不足等方面仍面临挑战。
因此，研究人员假设常规制备的骨髓组织病理学显微高光谱图像中包含区分急性髓系白血病（AML）、急性淋巴细胞白血病（ALL）和正常骨髓的互补性光谱与形态学信息，并开发了相应的分析框架。
研究方法概述
这是一项回顾性、单中心的诊断性人工智能研究。研究人员从单一研究中心纳入了78例患者（AML 26例、ALL 26例、正常骨髓26例），所有病例均需有完整的整合诊断作为金标准。采用患者级别的嵌套分层五折交叉验证设计，在每一折中将约80%的患者用于开发、20%作为独立测试集，最终将所有折外的预测结果合并进行评估。关键技术方法包括：使用可见-近红外高光谱显微镜（400-1000 nm，标称采样间隔约5 nm）采集H&E染色骨髓切片的显微高光谱图像；对原始强度进行辐射定标转换为归一化反射率；通过Savitzky-Golay滤波平滑、标准正态变量变换（SNV）及一阶导数转换进行光谱预处理；构建64×64像素的感兴趣区域（ROI）作为多实例学习中的实例包；开发了HemaSpec-MIL网络——一种层次化的光谱-空间多实例学习框架，包含光谱编码器（多尺度一维卷积加Transformer模块）、形态学编码器（二维残差网络处理三通道形态投影）、双向交叉注意力融合模块及患者级别多实例聚合器。
研究结果
患者队列与数据划分：共纳入78例患者，每组各26例。所有数据划分均在ROI提取前于患者层面完成，确保无患者级数据泄露。
HemaSpec-MIL性能：在患者级别三分类任务中，合并折外诊断的AUC达到0.957。模型能够有效区分AML、ALL与正常骨髓三类。
校准与决策曲线分析：模型具有良好的概率校准效果，决策曲线分析显示在广泛的阈值范围内具有临床净获益。
消融实验：去除光谱分支、形态学分支或双向交叉注意力模块后，模型性能均有下降，证实了各组件的重要性。
可解释性分析：光谱注意力权重揭示了不同诊断组间具有鉴别意义的波长区间；组织注意力热图则定位了对分类贡献最大的组织区域。两者提供了互补的解读视角。
讨论与结论
研究人员指出，本研究证明了显微高光谱成像结合光谱-空间多实例学习在急性白血病分类中的可行性。与仅依赖RGB形态学的传统方法相比，高光谱数据提供了额外的生化对比度信息，可能捕捉到H&E染色中肉眼不可见的细微差异。HemaSpec-MIL的双向交叉注意力机制使模型能够联合利用光谱和形态学证据，而多实例学习范式则避免了昂贵的像素级标注需求。
研究的主要局限性包括：单中心回顾性设计、样本量相对较小（78例）、缺乏独立的外部验证队列。此外，高光谱采集设备的普及性和标准化程度尚不足以支撑大规模临床部署。未来需要在多中心前瞻性队列中进一步验证模型的泛化能力，并探索更高效的采集方案。
研究结论：本研究开发并内部验证了HemaSpec-MIL——一种层次化光谱-空间多实例学习框架，用于从H&E染色的骨髓组织高光谱图像中对AML、ALL和正常骨髓进行患者级别的分类。合并折外诊断AUC达0.957，表明该框架能够有效提取并融合光谱与形态学特征，为急性白血病的辅助诊断提供了一种新的计算病理学方法。
