​结直肠癌病理图像预测微卫星不稳定研究成果发表于柳叶刀子刊

​近日，中山大学肿瘤防治中心丁培荣教授团队与生物图腾科技合作发表了一项研究成果，使用深度学习技术从活检标本中识别结直肠癌错配修复（MMR）状态的临床可行性，该研究成果发表在国际著名临床杂志《柳叶刀》的综合性子刊EBioMedicine（IF=11.3）上：Clinical actionability of triaging DNA mismatch repair deficient colorectal cancer from biopsy samples using deep learning.​ 

错配修复状态对评估结直肠癌预后、指导辅助化疗和免疫治疗，以及林奇综合征初筛具有重要意义。但是目前的检测方法，如免疫组化、PCR以及二代测序，不仅费用昂贵，且时间耗费较长，因此开发一种简单、快速、经济的筛查方式变得越来越重要。本研究构建了基于手术标本H&E染色切片预测结直肠癌患者错配修复状态的多实例学习（MIL）模型，模型在不同患者群体中均表现出了良好的预测效能及泛化性，并在肠镜活检标本病理图像中进行了验证。本研究还探讨了如何将深度学习模型运用在临床实践中，采用双阈值法联合深度学习模型与免疫组化检测，能在保持高灵敏度和特异度的情况下，最大程度减少免疫组化的使用，使超过一半的结直肠癌患者无需接受免疫组化检测就能进行筛查，为提高结直肠癌精准化诊疗水平、降低医疗费用提供了可能性。

通过HE切片图像预测分子分型的AI工具可以在各级医疗机构以较低的成本广泛推广应用，这种简便且廉价的分子分型检测方法有望为更多的肿瘤患者提供个性化的肿瘤治疗方案。生物图腾会继续在AI病理预测分子分型方向进行更丰富的探索。