肺癌是全球范圍內(nèi)惡性腫瘤致死的主要原因，我國肺癌的發(fā)病率及病死率長期位居首位。近年來，個(gè)體化治療被認(rèn)為是肺癌患者生存獲益的重要保障。個(gè)體化治療策略的制定，依賴于病理醫(yī)師的精準(zhǔn)診斷。隨著人工智能(Artificial Intelligence,AI)“賦能”病理診斷的深入發(fā)展，開啟了精準(zhǔn)病理診斷的新時(shí)代。基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks, CNN)的AI 輔助判讀系統(tǒng)已取得了一些成果，尤其是在肺癌病理診斷方面。廣州市第一人民醫(yī)院（Guangzhou First People's Hospital）病理科主管技師楊耀湘長期致力于病理研究，堅(jiān)守臨床一線，從事病理工作至今12年，她在運(yùn)用AI技術(shù)在肺癌病理診斷領(lǐng)域的應(yīng)用及研究取得了原創(chuàng)突破。

AI賦能病理診斷的常見應(yīng)用模式是基于深度神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行圖像處理和分類，如將AI用于區(qū)分組織樣本中的良惡性成分、判斷靶標(biāo)陰陽性等。該類AI模型可在大量病理圖像訓(xùn)練集和驗(yàn)證集的調(diào)試下，依靠機(jī)器學(xué)習(xí)從大量相關(guān)數(shù)據(jù)中自動提取特征，生成解決方案，實(shí)現(xiàn)應(yīng)用。楊耀湘提出機(jī)器學(xué)習(xí)方法主要分兩種類型: ( 1) 監(jiān)督學(xué)習(xí)，多用于標(biāo)簽齊全的數(shù)據(jù)，如通過訓(xùn)練集數(shù)據(jù)學(xué)習(xí)特征和標(biāo)簽之間的關(guān)系，用于新數(shù)據(jù)的前瞻性預(yù)測； ( 2) 無監(jiān)督學(xué)習(xí)，多用于標(biāo)簽不全或無標(biāo)簽的數(shù)據(jù)，常見于聚類分析，如AI識別數(shù)據(jù)中的相似屬性并將它們進(jìn)行分類。

楊耀湘經(jīng)過長期的成功實(shí)踐，總結(jié)出肺癌病理診斷中AI的應(yīng)用場景，包括: ( 1) 肺癌的定性分析及組織學(xué)亞型判斷； ( 2) 預(yù)測肺癌分子學(xué)特征及患者預(yù)后； ( 3) 肺癌生物學(xué)標(biāo)志物的定量分析；( 4) 信息整合實(shí)現(xiàn)深層次的肺癌精準(zhǔn)診斷。

以定性分析為例，楊耀湘提出了肺癌的定性分析及組織學(xué)亞型判斷，她通過創(chuàng)建HALO AI模型，對腫瘤區(qū)域和非腫瘤區(qū)域進(jìn)行分割后判讀。同時(shí)，AI對腫瘤區(qū)域的識別衍生出多項(xiàng)相關(guān)應(yīng)用，如根據(jù)淋巴結(jié)內(nèi)腫瘤區(qū)域的識別，檢測是否存在淋巴結(jié)轉(zhuǎn)移； 根據(jù)腫瘤區(qū)域占比，推測分子檢測的樣本DNA含量是否足夠等。AI還可根據(jù)不同組織學(xué)亞型特征，識別并區(qū)分如腺癌、鱗狀細(xì)胞癌這些常見組織學(xué)類型。楊耀湘研究發(fā)現(xiàn)：在冷凍切片、石蠟包埋組織及活檢標(biāo)本中，AI均表現(xiàn)出和病理醫(yī)師相當(dāng)?shù)南侔Ⅶ[狀細(xì)胞癌識別能力，該AI模型的曲線下面積( area under curve，AUC) 高達(dá)0. 97，展現(xiàn)出較高的診斷價(jià)值，但該模型無法識別分化特征不明顯的腫瘤。與免疫組化技術(shù)相結(jié)合的AI模型，可基于腺癌和鱗狀細(xì)胞癌常見鑒別指標(biāo)(含TTF-1、Napsin A、p40、p63和CK5/6等)，協(xié)助病理醫(yī)師對分化特征不明顯的肺癌分型。

定量分析比較典型的案例之一是AI對PD-L1表達(dá)評分的判讀。PD-L1是免疫治療標(biāo)志物，可用于篩選免疫治療的潛在獲益人群及預(yù)測免疫治療療效，PD-L1檢測結(jié)果的精準(zhǔn)判讀至關(guān)重要。楊耀湘創(chuàng)造性提出AI輔助下的PD-L1判讀，可提供標(biāo)準(zhǔn)化評判體系，彌補(bǔ)我國病理醫(yī)師缺口，賦能病理診斷行業(yè)發(fā)展。該模型在腫瘤區(qū)域識別、細(xì)胞核定位的基礎(chǔ)上，加入AI對PD-L1 染色模式的識別，從而計(jì)算出PD-L1表達(dá)評分。大量臨床成功案例顯示，在肺鱗狀細(xì)胞癌和肺腺癌TPS評分為1% -49%和≥50%的病例中，AI判讀水平和病理醫(yī)師高度一致，甚至優(yōu)于無經(jīng)驗(yàn)醫(yī)師。楊耀湘團(tuán)隊(duì)基于CNN和全切片圖像( whole slide image，WSI) 開發(fā)的名為“Aitrox AI Model”的 AI模型，在PD-L1(22C3 pharmDx 免疫組化染色)陰性( TPS＜1% )及低表達(dá)組( TPS為1%- 49% ) 中，展現(xiàn)出與高年資病理醫(yī)師一致的判讀水平。

楊耀湘運(yùn)用AI模型在肺癌病理診斷中的應(yīng)用已引起廣泛關(guān)注，并經(jīng)歷了大量探索性實(shí)驗(yàn)，在重塑病理診斷方面取得了重要進(jìn)展。AI開啟了精準(zhǔn)病理診斷新時(shí)代，AI賦能決策，未來AI將成為病理醫(yī)師常規(guī)診斷流程的一部分，特別是以ChatGPT為代表的生成式AI可能成為變革方向之一。AI技術(shù)有望在未來用于輔助病理醫(yī)師更精準(zhǔn)、更高效地診斷，預(yù)測預(yù)后信息，輔助臨床決策，開展精準(zhǔn)治療。（作者：劉寧寧）