显著提高前列腺癌淋巴转移诊断效率：中国医生自研人工智能登上柳叶刀子刊

中山大学孙逸仙纪念医院泌尿科林天歆教授团队吴少旭教授5月在柳叶刀旗下的《eClinicalMedicine》上发表文章，详细介绍了首个前列腺癌淋巴结转移分析人工智能模型ProCaLNMD，经过多中心外部验证的AI模型能够辅助病理医生提高病理评估的准确性和效率，降低前列腺癌淋巴结转移的漏诊几率，为患者提供更精准的诊断和治疗。病理分析人工智能模型的推广使用将有助于缓解资深病理医生严重短缺的现状，提高医疗资源不发达地区的病理诊断水平。

　　

前列腺癌 (PCa) 是全球第二大常见癌症，也是男性癌症相关死亡的第五大原因。约12-17%的前列腺癌患者出现淋巴结转移 (LNM) ，是预后不良的重要指标。基于转移患者可从术后辅助激素治疗和辅助放疗中受益，病理检查确诊是否出现淋巴结转移对后继决定治疗方案非常重要。然而，临床实践中淋巴结转移的病理评估相当有挑战性——直径≤ 2毫米的淋巴结微转移灶相当常见，很容易被阅片医师所忽视，读片耗时、费力、依赖于病理医师经验，这些问题导致淋巴结微转移的漏诊率很高。我国经验丰富的病理学家稀缺、病理学家培养需要长时间、加上人工工作量限制，进一步加剧了常规医院诊断的困境。

利用核心大型医院中资深病理学家的成熟经验和过往丰富的病理存档数据，开发人工智能模型并训练其读片分析能力，在临床中用于辅助病理学家读片分析，将具有非常重要的意义和价值：不仅能够辅助提高读片准确性，降低漏诊率，为患者带来更精准的诊断和治疗，惠及更广范围的患者；还能够加快病理学家的读片效率，减轻工作负担，推进初级病理医师的快速成长，真正从普遍意义上提高病理学诊断的准确性。

中山大学孙逸仙纪念医院泌尿科林天歆教授领导的研究团队开发了首个前列腺癌病理性淋巴结转移人工智能（AI）检测模型ProCaLNMD，纳入了2013年9月2日至2023年4月28日期间在五个医疗中心接受根治性前列腺切除术和盆腔淋巴结清扫术的前列腺癌患者的切除淋巴结组织病理学切片数据，用于模型开发、训练和验证。ProCaLNMD 采用单个中心（中山大学孙逸仙纪念医院 [SYSMH]）的数据集进行训练，使用其他四个中心的数据进行外部验证。使用 SYSMH 的膀胱癌数据集进一步验证 ProCaLNMD，并进行了一项由两名资深病理医师、两名初级病理医师参与的人-AI对比与人-AI协作研究，以评估将 ProCaLNMD 集成到临床工作流程中的应用价值，以及在 ProCaLNMD 协助下病理医师的绩效指标。研究报告5月份发表在柳叶刀旗下的《eClinicalMedicine》上。

丰富经验和大量数据：

研究总共收集了 1297 名 PCa 患者（中位年龄 68 岁）的 8225 张切片，并数字化扫描为全玻片病理图像（WSI）。 患者的临床资料，包括年龄、PCa pT分期、pN分期、组织学类型、Gleason评分（国际泌尿病理学会分级组）以及是否接受过术前新辅助内分泌治疗（NHT），均从五个中心的病历档案中获取。手术切除淋巴结的苏木精和伊红 (H&E) 染色组织病理学切片取自病理科档案，并使用两种类型的数字切片扫描仪（KF-PRO-120 和 SQS-600P）和 20 × 物镜进行 WSI 扫描。参考标准是由 SYSMH 招募的两名资深病理学家协商一致确定的，每位病理学家都有超过 15 年的经验。两位专家独立审查并将WSI分类为阳性（有LNM）或阴性（无LNM），如果两者之间的分类不一致或其中任何一位要求加作免疫组化染色（IHC），则使用IHC做出最终决定。两位病理学家都不了解患者的临床信息。参考标准是在开发人工智能模型之前构建的。质量控制排除了67 张 (0.8%)质量低的切片（包括褪色；组织折叠；染色不当；盖玻片下有气泡；扫描失焦），1297 名前列腺癌患者（其中331 名 [26%] 患有 淋巴结转移）共计8158 张载玻片（18,761 个淋巴结）用于训练和验证 ProCaLNMD。

模型验证结果

结果表明，人工智能模型ProCaLNMD 在检测膀胱癌淋巴结转移方面表现出高灵敏度和特异性，在灵敏度方面优于常规病理报告表现，与高级病理学家基本没有差异。ProCaLNMD 的稳健性通过其在各个亚组、跨癌症和多中心数据集中的可靠表现得到了证明。该模型对不同pT分期、Gleason评分的PCa患者、泡沫样亚型的pN+病例、术前接受过NHT的患者，甚至膀胱癌患者都显示出令人满意的诊断能力。

在本研究开展过程中，ProCaLNMD 共辅助发现 43张 (4.3%) 淋巴结切片中有当初被漏诊的微转移肿瘤，从而纠正了先前常规病理报告中的28例(8.5%) 漏诊病例。

在ProCaLNMD与四位病理学家进行的比较和协作研究中，ProCaLNMD表现与两位资深病理学家的结果基本一致（均为 0.983 [0.908–1.000]，均P  > 0.99）。ProCaLNMD 辅助下两名初级病理学家的诊断灵敏度提升（均P = 0.041）至高级病理学家的水平（均P> 0.99）。病理学家可以相对轻松地审查ProCaLNMD识别的所有阳性警报是真阳性还是假阳性，这有助于让病理医生快速聚焦可疑区域，并显著减少四名病理学家的读片时间 (27-34%)。

由于病理医生相对缺乏和病理评估工作量大，目前常规每个手术清扫淋巴结仅用一到两个切片进行H&E染色和病理评估，有可能遗漏转移癌。连续切片能够降低漏诊风险，但会显著加大病理医生工作负担。可显著减少读片时间的ProCaLNMD 的应用有望解决这一矛盾，降低微转移癌灶漏诊风险，并最终改善 PCa 患者生存预后。

结论

因此，利用人工智能模型ProCaLNMD辅助病理分析，可降低前列腺癌淋巴结转移的漏诊几率（减少约7.3%），提高病理评估的准确性和效率，为患者提供更精准的诊断和治疗，并惠及更多医疗资源不发达地区的广大患者，同时提高更多病理医生的分析效率、减轻工作负担。如果能够用更多数据继续训练提高准确性，并在全国推广使用，将具有非常重大的意义和实用价值。

作者视角

本团队前期研究成果集中于膀胱癌的智能精准诊治。由于精准诊断技术的缺乏，膀胱癌存在着早期诊断困难、分级分期不准确和治疗不精准等问题，严重影响患者预后。本团队使用以机器学习、深度学习为代表的AI技术，立足于多中心合作医疗联盟大数据平台，开展系列 AI 辅助诊断系统的开发研究工作，在膀胱癌早期诊断、淋巴转移全周期诊断及肌层浸润术前精准诊断三个方面，取得了如下成绩：

①构建基于膀胱镜图像及尿液细胞病理图像的膀胱癌 AI 诊断模型，提高膀胱癌早期诊断准确性，促进膀胱癌早诊早治（J Natl Cancer Inst 2022，eClinicalMedicine 2024）；

②基于影像、基因、病理等不同模态数据构建膀胱癌淋巴转移全周期 AI 诊断模型，提升术前淋巴分期准确性、降低术后淋巴微小转移灶漏诊，从而精准指导术前、术后化疗（Lancet Oncol 2023；Clin Cancer Res 2017；eBioMedicine 2018（两篇））；

③基于影像、病理数据构建膀胱癌根治术前肌层浸润 AI 诊断模型，有效降低术前肌层浸润漏诊、误诊率，精准指导手术方案决策（J Transl Med 2023；Cancer 2019）。

目前，本团队正将科研范式与工作经验运用于泌尿系统肿瘤诊疗领域，争取推进泌尿系统肿瘤个体化精准诊疗、造福更广大的患者。此次前列腺癌淋巴转移人工智能诊断模型的研发，便是一次成功的开端。

林天歆简介

教授、主任医师、博士生导师

中山大学孙逸仙纪念医院副院长、泌尿系肿瘤专科主任

中山大学校长助理、医学部副主任、医院管理处处长

中山大学附属第五医院院长

广东省医学会泌尿外科学分会主任委员

中华医学会泌尿外科学分会常委秘书长

中国医师协会泌尿外科医师分会副会长

科研奖励与荣誉：

全国创新争先奖 

国家杰出青年科学基金

国家卫健委突出贡献中青年专家

中组部“万人计划”科技创新领军人才

吴阶平泌尿外科医学奖

吴少旭简介

博士、副主任医师、硕士生导师

中山大学孙逸仙纪念医院泌尿外科肿瘤医疗组组长、中国医师协会泌尿外科人工智能分会委员、广东省医学会医学人工智能分会委员。聚焦“泌尿系统肿瘤智能精准诊断”领域研究，取得系列国际领先水平成果，成果发表于Lancet Oncol、eClinicalMedicine、J Natl Cancer Inst、Clin Cancer Res、eBioMedicine等国际权威杂志，总影响因子超过 180 分。获得2023年度教育部青年长江学者奖励计划、2021年度广东省科技进步一等奖、2021年度广东省医学技术奖一等奖，主持国家自然科学基金等8项科研基金，多次受邀于全国泌尿外科年会等作大会发言。