分享至
三阴性乳腺癌诊断有了“智能方案”
“仅通过乳腺癌患者增强磁共振影像资料，无需穿刺，便可精准预测三阴性乳腺癌的分型分类；基于数字病理图像构建的神经网络模型，通过一张小小的病理HE染色切片，数小时便可明确三阴性乳腺癌分子分型和关键治疗靶点……”
近日，复旦大学附属肿瘤医院精准肿瘤中心主任、乳腺外科主任邵志敏教授团队和合作者一起，通过“院内多学科团队联合+跨区域医工交叉协作”的方式，为三阴性乳腺癌的临床诊断制定了“复旦肿瘤”的智能方案。相关研究成果在美国《细胞》杂志旗下期刊《细胞报告—医学》和国家自然科学基金委旗下《基础研究》在线发表。
将医学影像“数字化” 受访者供图
三阴性乳腺癌诊断“痛点”
“临床诊断在肿瘤治疗中发挥着‘灯塔’的作用。特别是对于三阴性乳腺癌而言，明晰的临床诊断更是为细分亚型、确定个性化的治疗方案奠定了基础。”邵志敏告诉《中国科学报》， “三阴性乳腺癌是一种乳腺癌亚型，因复发风险高、缺少有效治疗靶点，素有‘最毒’乳腺癌之称。准确鉴别三阴性乳腺癌、明确其分子分型和重点基因突变，对于后续精准施治具有重要价值。”
2019年，复旦大学附属肿瘤医院提出三阴性乳腺癌的“复旦分型”，将三阴性乳腺癌分为四个不同亚型，进而让针对不同亚型的精准治疗成为可能。而“复旦分型”的鉴别有赖于精准的病理诊断和基因检测报告。
据了解，一份三阴性乳腺癌的病理诊断和基因检测报告，通常需要通过穿刺或外科手术获取肿瘤组织，再经过一系列处理和检测后方能获得。一方面，获取肿瘤组织不可避免会给患者带来身体创伤；另一方面，后续检测中的肿瘤免疫组化染色、基因测序等处理流程繁杂、步骤多，需投入较多的人力、物力和财力。
能否通过影像资料鉴别出三阴性乳腺癌，以免给患者带来创伤？或能否减少精准诊断的流程和花费，尽快获知三阴性乳腺癌的精准分型？
基于这样的临床思考，肿瘤医院乳腺外科团队联合医院放射诊断科团队、病理科团队，并与高校人工智能技术团队合作，借助先进的数字智能技术，试图破解三阴性乳腺癌精准诊断的这两个难题。
一次检查可鉴别“复旦分型”
为解决上述问题，邵志敏团队联合该院放射诊断科主任顾雅佳团队、病理科副主任杨文涛团队，并与复旦大学类脑智能科学与技术研究院研究员王鹤团队携手，阐明了影像组学在提示三阴性乳腺癌肿瘤异质性中的重要临床价值，首次发现并证实通过影像组学即可在三阴性乳腺癌术前无创伤、能准确预测“复旦分型”，为后续精准治疗奠定基础。
研究团队收集乳腺癌患者术前对比增强磁共振图像、勾画靶区和提取定量影像特征，将医学影像“数字化”，构建匹配多组学数据的三阴性乳腺癌影像组学队列。
“数据证实，该队列预测三阴性乳腺癌的AUC值可达0.92，预测三阴性乳腺癌‘复旦分型’AUC最高可达0.8。”顾雅佳解释说，“这意味着三阴性乳腺癌患者仅需通过增强磁共振影像检查，不需要进行有创伤的活检，就能够较准确地获知疾病亚型。”
此外，研究团队筛选出表征三阴性乳腺癌瘤周异质性的影像组学特征，并进一步探索其背后的生物学意义：发现三阴性乳腺癌肿瘤瘤体边缘的异质性提示不良预后，影像组学高异质性肿瘤呈现免疫抑制及脂肪酸代谢上调等特征，可作为三阴性乳腺癌的预后指标，为三阴性乳腺癌精准治疗策略提供了新方向。
一张切片完成精准诊断
病理诊断和基因检测是肿瘤诊断的重要指标。但在传统流程下，确认三阴性乳腺癌的分子分型和关键的治疗靶点往往需要经历一系列的分子生物学检测。
邵志敏团队、杨文涛团队联合南京信息工程大学教授徐军团队，开展了基于数字病理与深度学习预测三阴性乳腺癌分子分型、关键治疗靶点和患者预后的研究，揭示了数字病理联合深度学习在预测三阴性乳腺癌关键生物标志物中的重要价值。该成果已在国家自然科学基金委旗下期刊《基础研究》在线发表。
团队收集了425例三阴性乳腺癌患者肿瘤标本的HE染色切片，并进行数字化扫描。研究发现基于数字病理图像所构建的神经网络模型，能够快速、准确地鉴别三阴性乳腺癌“复旦分型”（AUC最高达0.93），也能够预测胚系BRCA2突变及体细胞PIK3CA突变等三阴性乳腺癌关键治疗靶点（AUC分别达0.79和0.78），同时还能在患者临床病理信息基础上优化患者的预后分层（c-index达0.76）。这些重要的结果都能在外部数据集进行验证。
这项基于数字病理联合人工智能的研究为未来三阴性乳腺癌精准分型和基因变异检测提供了“智能方案”：患者病理活检后，有望仅仅利用一张病理切片，在数小时内快速得到“复旦分型”、重点基因突变等与治疗相关的关键信息，为后续精准治疗提供极大的便利。
“这两项研究是肿瘤医院精准肿瘤中心在 ‘多学科+医工交叉’模式下取得的典型成果。基于人工智能技术的科研项目为中心的研究创新提供了更多可能。”邵志敏表示，“这两项重要研究成果有望在不久的将来，在精准肿瘤中心获得临床应用和推广。”
-
科技前沿
-
科技前沿
-
项目成果
-
项目成果
-
项目成果
-
焦点事件
