病理大切片結(jié)合人工智能在胰腺腫瘤診療中的應(yīng)用前景

蔣慧 邊云 鄭建明

1海軍軍醫(yī)大學(xué)附屬長(zhǎng)海醫(yī)院病理科，上海 200433；2海軍軍醫(yī)大學(xué)附屬長(zhǎng)海醫(yī)院醫(yī)學(xué)影像科，上海 200433

【提要】 病理大切片能夠整體、全面地將腫瘤及腫瘤周?chē)M織完整地呈現(xiàn)在一張切片上，有利于對(duì)腫瘤及其周?chē)h(huán)境進(jìn)行全面觀察和評(píng)估，提高對(duì)疾病的全面認(rèn)識(shí)。隨著數(shù)字化病理的逐步實(shí)現(xiàn)及計(jì)算病理的進(jìn)步，利用人工智能將病理大切片中不同腫瘤細(xì)胞的形態(tài)和周?chē)h(huán)境的病理組織形態(tài)與各種不同類(lèi)型的數(shù)據(jù)包括影像組學(xué)、基因蛋白組學(xué)、臨床診療數(shù)據(jù)等聯(lián)系起來(lái)，更好地實(shí)現(xiàn)胰腺腫瘤的精準(zhǔn)及個(gè)體化診療，這對(duì)我國(guó)科研工作者來(lái)說(shuō)既是機(jī)遇也是挑戰(zhàn)。

病理學(xué)是胰腺腫瘤診療中的一門(mén)重要學(xué)科。病理圖像上呈現(xiàn)的腫瘤真實(shí)世界不僅包括腫瘤細(xì)胞本身，也包括腫瘤間質(zhì)、免疫微環(huán)境及其周?chē)尘安±淼萚1-2]，所有這些因素對(duì)腫瘤的診斷、治療及預(yù)后判斷都至關(guān)重要。在過(guò)去的10年間，包括基因高通量測(cè)序、轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)和臨床信息在內(nèi)的大量跨組學(xué)數(shù)據(jù)的聚合，使得研究人員能夠識(shí)別與腫瘤發(fā)展相關(guān)的基因突變和基因表達(dá)特征[3-6]。但腫瘤的異質(zhì)性特征使人們忽視了從腫瘤局部取樣得出的基因組學(xué)數(shù)據(jù)[7]，且通過(guò)組織研磨進(jìn)行分析的結(jié)果可能會(huì)失去對(duì)腫瘤間質(zhì)反應(yīng)和腫瘤免疫微環(huán)境的理解[8-9]。隨著全載玻片成像掃描(whole slide imaging，WSI)技術(shù)的出現(xiàn)，病理圖像正逐步實(shí)現(xiàn)數(shù)字化，在此基礎(chǔ)上產(chǎn)生的計(jì)算病理(computational pathology，CP)和大量擁有分子和組織病理學(xué)數(shù)據(jù)的腫瘤樣本的積累，使研究人員可以研究腫瘤的形態(tài)學(xué)特征與各種組學(xué)數(shù)據(jù)間的關(guān)系，從而彌補(bǔ)由于腫瘤異質(zhì)性導(dǎo)致的對(duì)腫瘤局部活檢樣本作出的基因組學(xué)信息評(píng)估不足的缺陷，為實(shí)現(xiàn)腫瘤的精準(zhǔn)醫(yī)療奠定基礎(chǔ)[10-11]。

目前計(jì)算病理的研究主要集中于組織芯片及傳統(tǒng)小切片上，它的缺點(diǎn)在于無(wú)法對(duì)腫瘤及其周?chē)尘安±磉M(jìn)行全面的認(rèn)識(shí)和剖析。而病理大切片技術(shù)的應(yīng)用可以解決這一問(wèn)題，其最大優(yōu)勢(shì)是能夠整體、全面地將腫瘤及其周?chē)M織完整展現(xiàn)在一張切片上，有利于對(duì)腫瘤及周?chē)h(huán)境的全面觀察與評(píng)估，并可與影像圖像進(jìn)行比對(duì)，提高對(duì)疾病的全面認(rèn)識(shí)。近年來(lái)筆者所在長(zhǎng)海醫(yī)院胰腺疾病MDT診療團(tuán)隊(duì)在全國(guó)率先開(kāi)展胰腺腫瘤的大組織取材并實(shí)現(xiàn)大組織切片的數(shù)字化。這一技術(shù)的開(kāi)展有助于全面地觀察胰腺腫瘤的全貌及其毗鄰關(guān)系、腫瘤的分布、生長(zhǎng)方式等，從而加深對(duì)腫瘤及其背景病理的認(rèn)識(shí)。同時(shí)病理大切片有利于與影像圖像進(jìn)行比對(duì)，提高了對(duì)疾病的全面及本質(zhì)認(rèn)識(shí)。目前最大的機(jī)遇也是挑戰(zhàn)的是利用人工智能(artificial intelligence，AI)將大切片中不同腫瘤細(xì)胞的形態(tài)和周?chē)h(huán)境的病理組織形態(tài)與各種不同類(lèi)型的數(shù)據(jù)包括影像組學(xué)、基因蛋白組學(xué)、臨床診療數(shù)據(jù)等聯(lián)系起來(lái)，對(duì)腫瘤作出精準(zhǔn)的診斷、治療和預(yù)后判斷。

一、人工智能在胰腺腫瘤蘇木精-伊紅染色圖像分析中的應(yīng)用前景

病理醫(yī)師的診斷工作主要依賴于腫瘤組織的蘇木精-伊紅(hematoxylin-eosin, HE)染色圖像，其顯示的腫瘤形態(tài)學(xué)特征被廣泛應(yīng)用于診斷和預(yù)后評(píng)估。胰腺惡性腫瘤中約90%為導(dǎo)管腺癌及其亞型，除了普通的導(dǎo)管腺癌(not otherwise specified, NOS)，還可根據(jù)組織形態(tài)分出7個(gè)亞型：腺鱗癌、膠樣癌、印戒細(xì)胞癌、未分化癌、伴破骨樣巨細(xì)胞的未分化癌、髓樣癌、肝樣癌；而最新2019年第5版WHO消化系統(tǒng)腫瘤分類(lèi)[12]中又增加了侵襲性微乳頭狀癌亞型；另外還有很多尚未單列出卻已被認(rèn)識(shí)的亞型(圖1)。近幾年備受關(guān)注的胰腺無(wú)功能性神經(jīng)內(nèi)分泌腫瘤在2019年第5版WHO消化系統(tǒng)腫瘤分類(lèi)中[12]也根據(jù)組織和細(xì)胞形態(tài)的不同在分級(jí)的基礎(chǔ)上提出不同形態(tài)學(xué)亞型，分為嗜酸細(xì)胞型、多形性型、透明細(xì)胞型及囊狀亞型。這些更新說(shuō)明胰腺腫瘤的細(xì)胞及形態(tài)學(xué)特征越來(lái)越為大家所重視，并與臨床的診療密切相關(guān)。筆者在開(kāi)展病理大切片研究的過(guò)程中發(fā)現(xiàn)，同一個(gè)腫瘤可同時(shí)存在超過(guò)一種組織學(xué)亞型，并且不同的區(qū)域形態(tài)學(xué)、腫瘤間質(zhì)比及免疫微環(huán)境都有差異。因此借助AI，準(zhǔn)確地識(shí)別出這些組織學(xué)亞型及所占百分比，全面評(píng)估腫瘤間質(zhì)比及免疫微環(huán)境對(duì)實(shí)現(xiàn)精準(zhǔn)診療具有重要意義。另一方面，除了關(guān)注腫瘤本身，腫瘤背景病理的認(rèn)識(shí)也越來(lái)越受到重視。有研究發(fā)現(xiàn)背景病理中無(wú)胰腺上皮內(nèi)瘤變的胰腺癌患者術(shù)后存活率低于有胰腺上皮內(nèi)瘤變者[13]。2019年胰腺癌及神經(jīng)內(nèi)分泌腫瘤(NET)的NCCN指南[14-15]中也提出需要在診斷報(bào)告中標(biāo)注出背景病理，說(shuō)明胰腺背景病理(圖2)對(duì)判斷胰腺腫瘤生物學(xué)行為及其預(yù)后意義重大。如果能利用AI建立以上這些形態(tài)學(xué)特征的細(xì)分亞型的量化指標(biāo)，對(duì)于精準(zhǔn)判定腫瘤預(yù)后具有重要意義。同時(shí)通過(guò)AI還可以識(shí)別源自HE染色圖像中包含關(guān)于腫瘤及周?chē)h(huán)境中共存的不同類(lèi)型的細(xì)胞形態(tài)學(xué)(如核的區(qū)域，核的形狀)和空間背景(例如細(xì)胞密度)信息[16-18]。而且已有很多研究者的工作[19-26]已成功證明了細(xì)胞和組織形態(tài)與腫瘤臨床結(jié)果之間的聯(lián)系。但這些都是基于傳統(tǒng)的小切片及組織芯片所呈現(xiàn)的病理學(xué)圖像。腫瘤的真實(shí)世界遠(yuǎn)超出我們從小切片或組織芯片上看到的，腫瘤的異質(zhì)性非常明顯，即便是同樣分期分化的腫瘤在病理圖像上都有各自不同的特點(diǎn)。

圖1 胰腺導(dǎo)管腺癌的各種組織學(xué)亞型(1A：腸型；1B：泡沫細(xì)胞型；1C：透明細(xì)胞型；1D：橫紋肌樣特征；1E：大導(dǎo)管型；1F：囊狀乳頭狀型)

目前筆者團(tuán)隊(duì)已實(shí)現(xiàn)胰腺腫瘤的大組織取材，并實(shí)現(xiàn)病理大切片的數(shù)字化。在此基礎(chǔ)上，筆者希望結(jié)合AI，通過(guò)計(jì)算病理對(duì)病理大切片所展示的圖像進(jìn)行全面計(jì)算，從而實(shí)現(xiàn)高通量空間分析細(xì)胞類(lèi)型及其在腫瘤組織樣本中的位置。圖3、4為筆者團(tuán)隊(duì)制作的胰腺NET的組織大切片，對(duì)腫瘤、背景病理及周?chē)M織(包括脂肪、血管、正常胰腺、淋巴細(xì)胞)進(jìn)行勾畫(huà)供計(jì)算機(jī)學(xué)習(xí)，目前已建立了很好的上皮間質(zhì)及不同組分的分割模型。下一步筆者希望利用計(jì)算機(jī)提取腫瘤和腫瘤周邊的良性區(qū)域細(xì)胞核的特征，觀察是否比僅僅使用腫瘤信息更加有效地去預(yù)測(cè)胰腺腫瘤患者的預(yù)后；良性區(qū)域中的信息是否能提高預(yù)測(cè)腫瘤復(fù)發(fā)的準(zhǔn)確率。同時(shí)通過(guò)計(jì)算機(jī)對(duì)病理圖像上這些形態(tài)特征進(jìn)行分層并計(jì)算百分比，深度挖掘這些信息，促進(jìn)對(duì)腫瘤細(xì)胞及其微環(huán)境間相互作用的理解。另外隱藏在這些形態(tài)特征背后的潛在的分子基礎(chǔ)，尤其是與關(guān)鍵的生物過(guò)程相關(guān)的分子基礎(chǔ)值得進(jìn)一步深度挖掘。因此，利用AI將腫瘤及其周?chē)尘靶螒B(tài)學(xué)等各種信息融合多種原始數(shù)據(jù)(如影像、臨床數(shù)據(jù)、分子數(shù)據(jù)等)，可以對(duì)其精準(zhǔn)診斷、分析其發(fā)展方向及可能的生物學(xué)行為，從而為患者制定最優(yōu)的臨床決策。

圖2 胰腺的背景病理(2A：慢性胰腺炎；2B：IPMN；2C：PanIN；2D：腺泡導(dǎo)管化生；2E：MCN；2F：小葉中心性萎縮)

圖3 胰腺腫瘤上皮間質(zhì)分割模型

圖4 胰腺腫瘤全片成像掃描多組織區(qū)域分割模型

二、人工智能在胰腺腫瘤IHC定量評(píng)估中的應(yīng)用前景

AI在病理圖像定量分析中的應(yīng)用，最常見(jiàn)的是通過(guò)對(duì)免疫組織化學(xué)(immunohistochemistry，IHC)染色圖像所反應(yīng)的蛋白質(zhì)表達(dá)情況進(jìn)行定量評(píng)估，它可以使分析結(jié)果標(biāo)準(zhǔn)化，減少人工評(píng)估時(shí)由于視覺(jué)限制和認(rèn)知陷阱引入的偏差。目前已有相應(yīng)的研究，如在浸潤(rùn)性乳腺癌的診斷中，病理醫(yī)師需要報(bào)告雌激素受體和孕激素受體陽(yáng)性染色細(xì)胞的百分比和強(qiáng)度，指導(dǎo)對(duì)乳腺癌患者的內(nèi)分泌治療[27-28]，這一過(guò)程可以通過(guò)對(duì)IHC圖像的定量分析得到精確結(jié)果，并且在實(shí)踐中已被證明優(yōu)于病理醫(yī)師的評(píng)估[29-31]。在胰腺NET的診療中，評(píng)估腫瘤組織Ki-67熱點(diǎn)區(qū)的增殖活性是診療關(guān)鍵所在，直接決定腫瘤的分級(jí)與治療[12]。但由于NET的異質(zhì)性較大，不同區(qū)域腫瘤的Ki-67增殖指數(shù)可以相差很大，而傳統(tǒng)小切片取材因取材局限可能會(huì)低估這一值，從而延誤治療。筆者所在團(tuán)隊(duì)通過(guò)對(duì)胰腺NET病理大切片中Ki-67 IHC圖像重新評(píng)估，發(fā)現(xiàn)與傳統(tǒng)小切片相比，約10%的患者被低估(結(jié)果未發(fā)表)。因此在前期工作基礎(chǔ)上，筆者希望借助于AI更精準(zhǔn)地對(duì)Ki-67的熱點(diǎn)區(qū)進(jìn)行定量評(píng)估，進(jìn)一步明確病理大切片在NET的診斷中的重要性和必要性。另一方面也希望通過(guò)計(jì)算病理找出提示Ki-67高增殖活性的組織學(xué)特征及提示腫瘤生物學(xué)行為的新的診斷指標(biāo)，這樣既解決了精準(zhǔn)定量評(píng)估的問(wèn)題，也解決了大切片IHC因抗體消耗量大帶來(lái)的患者經(jīng)濟(jì)負(fù)擔(dān)重而難以在臨床推廣的問(wèn)題，同時(shí)還可以在已有的診斷標(biāo)準(zhǔn)下提出新的診斷指標(biāo)，更好地去實(shí)現(xiàn)個(gè)體化診療。

另外隨著腫瘤免疫治療越來(lái)越受關(guān)注，對(duì)相應(yīng)腫瘤的免疫評(píng)分及腫瘤PD-L1伴隨診斷的評(píng)判標(biāo)準(zhǔn)也越來(lái)越受關(guān)注。那么胰腺各類(lèi)腫瘤的免疫微環(huán)境狀態(tài)究竟如何？如何對(duì)各類(lèi)腫瘤進(jìn)行科學(xué)的免疫評(píng)分？這對(duì)于病理科醫(yī)師來(lái)說(shuō)也是亟待解決的問(wèn)題。目前已有研究利用AI定量檢測(cè)發(fā)現(xiàn)CD8+淋巴細(xì)胞的數(shù)量和位置對(duì)于評(píng)估PD-L1陽(yáng)性和PD-L1陰性的非小細(xì)胞肺癌的免疫應(yīng)答是至關(guān)重要的[32]。同時(shí)該研究發(fā)現(xiàn)胰腺癌標(biāo)本中腫瘤侵襲性邊緣與腫瘤中心浸潤(rùn)的CD8+淋巴細(xì)胞的密度顯著升高。因此筆者希望后續(xù)在本單位開(kāi)展胰腺腫瘤大切片的基礎(chǔ)上，通過(guò)對(duì)腫瘤PD-L1、PD-1及各類(lèi)免疫相關(guān)細(xì)胞的IHC染色，利用AI對(duì)各類(lèi)細(xì)胞進(jìn)行定量及空間分布的計(jì)算，建立對(duì)各類(lèi)胰腺腫瘤進(jìn)行免疫評(píng)分及評(píng)估免疫治療療效的模型，從而更好地實(shí)現(xiàn)個(gè)體化診療。

三、胰腺腫瘤病理組學(xué)特征與多組學(xué)信息的關(guān)聯(lián)

目前胰腺腫瘤的診療中依然存在很多瓶頸，如早期胰腺癌和小胰癌的診斷、胰腺炎和胰腺癌術(shù)前的準(zhǔn)確評(píng)判、胰腺癌胰周淋巴結(jié)和神經(jīng)浸潤(rùn)的術(shù)前評(píng)估、胰腺癌對(duì)新輔助治療的反應(yīng)評(píng)估等。筆者希望在AI的幫助下，將胰腺腫瘤的病理形態(tài)學(xué)信息與基因分子信息、解剖和功能影像信息相互對(duì)比融合，從而發(fā)現(xiàn)人眼不易察覺(jué)的細(xì)節(jié)和主觀經(jīng)驗(yàn)難以總結(jié)的規(guī)律，以此推動(dòng)多組學(xué)交叉研究的產(chǎn)生，充分發(fā)揮各自的優(yōu)勢(shì)和綜合效應(yīng)。病理組學(xué)作為疾病診斷的金標(biāo)準(zhǔn)，可清晰描述腫瘤的形態(tài)及微環(huán)境狀態(tài)；影像組學(xué)的無(wú)創(chuàng)性使它應(yīng)用更加廣泛；基因組學(xué)可用于腫瘤的分子分型等。這樣的交叉研究不僅能提高疾病診斷的準(zhǔn)確性，還能充分利用現(xiàn)有醫(yī)療資源，節(jié)省研究成本，推動(dòng)醫(yī)學(xué)不斷發(fā)展。此時(shí)病理大切片的優(yōu)勢(shì)就會(huì)更加凸顯，因?yàn)榇笄衅梢詫⒛[瘤不同形態(tài)學(xué)及微環(huán)境特征與解剖及分子影像信息更好地匹配，有助于在影像上預(yù)測(cè)腫瘤的生物學(xué)行為及對(duì)治療的反應(yīng)。病理科醫(yī)師更趨向于充當(dāng)腫瘤的“心理醫(yī)生”，通過(guò)各種信息的融合對(duì)其進(jìn)行精準(zhǔn)診斷，分析其發(fā)展方向及可能的生物學(xué)行為，并以此為依據(jù)提供個(gè)體化及精準(zhǔn)化治療(圖5)。

四、結(jié)語(yǔ)與展望

AI時(shí)代的病理組學(xué)不再是傳統(tǒng)意義上的僅局限于病理切片的定量分析，基于AI的病理組學(xué)包含多種病理分析任務(wù)，如提取細(xì)胞形態(tài)學(xué)特征、背景病理、不同成分的定量、IHC指標(biāo)量化等，并與腫瘤預(yù)后有機(jī)地結(jié)合在一起，實(shí)現(xiàn)腫瘤診療、預(yù)后以及病理報(bào)告的一體化。病理大切片在胰腺腫瘤病理診斷中優(yōu)勢(shì)明顯，能夠整體而全面地將病變組織呈現(xiàn)。病理大切片技術(shù)聯(lián)合數(shù)字病理圖像分析可以幫助解決精準(zhǔn)醫(yī)學(xué)中的一系列問(wèn)題，特別是預(yù)后及預(yù)測(cè)患者對(duì)治療方案的反應(yīng)等。因此，未來(lái)結(jié)合大切片基礎(chǔ)上的病理組學(xué)、影像組學(xué)及分子結(jié)構(gòu)特征并融合臨床診療數(shù)據(jù)去構(gòu)建預(yù)測(cè)模型將會(huì)有很大潛力。

圖5 整合多組學(xué)構(gòu)建預(yù)測(cè)模型

利益沖突所有作者均聲明不存在利益沖突