近日，我校中山醫學院李偉忠教授團隊和附屬第一醫院柯尊富教授團隊聯合開發了一種基于深度學習的肺部病理圖像智能診斷模型，能夠準確區分肺癌及其易混淆疾病的病理圖像。研究成果“Deep learning-based six-type classifier for lung cancer and mimics from histopathological whole slide images: a retrospective study”于2021年3月29日在國際醫學權威期刊BMC Medicine在線發表。
研究人員通過有監督學習的方式構建肺部疾病組織學類型的深度學習分類器，以熱圖的方式可視化結果，并經過多個醫學中心的獨立數據集驗證模型的綜合性能，以人機比較的方式進一步評價模型的臨床意義。該模型是首個能夠區分肺腺癌、肺鱗癌、小細胞肺癌、肺結核、機化性肺炎和正常肺部組織的六分類器，拓展了肺部組織分型的人工智能輔助診斷范圍，適用于復雜多病種診斷需求，具有很好的臨床可解釋性。研究人員在來自四個不同醫療中心的1000多張病理切片上進行了測試，AUC最高達到0.978，與臨床真實診斷結果高度吻合。研究人員還邀請4位來自我校附屬第一醫院病理科不同年資的病理醫生進行雙盲閱片對照，結果顯示模型達到了與經驗豐富的病理醫生相近的診斷水平。
該研究成果建立的人工智能模型用于識別肺癌及其易混淆疾病的病理圖像，面對復雜的臨床病理學情景，表現出卓越的準確性、穩定性和實用性，其臨床轉化應用將能提升病理診斷效率和準確度，達到智能輔助診斷的目的。
（上）從左到右分別為肺腺癌、肺鱗癌、小細胞肺癌、肺結核、機化性肺炎和正常肺部組織病理的可視化圖像。
（下）桑基圖說明了最佳病理學家判斷結果、真實診斷標簽與六分類模型預測結果之間的區別。
https://bmcmedicine.biomedcentral.com/articles/10.1186/s12916-021-01953-2
