结直肠癌是最具攻击性的人类恶性肿瘤之一，在估计的新病例和癌症相关死亡统计中排名第三，与患者的性别无关。结直肠标本占病理学家日常诊断工作的很大一部分，这些工作量是在回肠结肠镜手术（活检）和切除有肿瘤的大肠部分（切除标本）过程中获得的。

数字病理学的采用代表了诊断病理学发展的重大飞跃。诊断计算工具可以应用于数字化组织切片，并协助病理学家完成常规任务，如肿瘤检测、亚型和分级。此类工具是为许多器官和任务开发的，表现出有希望的性能，包括增加预后价值、减少病理学家的工作量以及验证研究中的临床级准确性。在结直肠诊断领域发表了数十项研究，涉及息肉分类、肿瘤检测、核检测、癌分级、免疫细胞检测、分子遗传标记和患者生存预测等任务。

然而，只有少数算法是基于所谓的组织分割原则，这实际上是临床级诊断工具的最新方法，有时临床应用的准确性不足，或使用外部病理部门的病例进行最低限度验证研究。目前美国没有人工智能（AI）工具进行体外诊断的CE标志。

2023年9月6日发表在MODERN PATHOLOGY的研究，开发了一个用于结直肠标本分析的诊断AI工具，基于大型高质量、手动注释的数据集，至少是迄今为止公布的数据集的4倍。研究人员使用来自5个独立病理学部门的6个病理学实验室的病理学案例验证了算法，这些病理学由4个不同的组织扫描系统数字化，代表了4个国家和2大洲的实验室实践。在该算法的最终实现中，在活检样本中检测结直肠癌时表现出100%的灵敏度，特异性非常高。为此，本文发布了多个高质量的测试数据集，这些数据集对计算病理学和结直肠诊断领域做出了重大贡献。

研究设计和队列

培训数据集包括来自多个机构的241张精确手动注释的全幻灯片图像（WSI）。该算法经过了11个组织类语义分割的训练，并增加了一个模块用于活检WSI分类。来自5个病理学部门（4个国家）的6个病例队列被用于正式和临床验证，由4个不同的扫描系统数字化。

开发的算法显示了结直肠标本中不同组织类别的分割精度高，复合多类骰子得分高达0.895，像素肿瘤检测特异性和灵敏度分别高达0.958和0.987。在对多个外部队列的临床验证研究中，AI工具在活检WSI中肿瘤检测的灵敏度达到1.0，特异性高达0.969。AI工具在不到1分钟的时间内分析大多数活检病例，从而可以有效地整合到临床常规中。

使用人工智能（AI）工具（UKK L1测试数据集）进行组织分割的示例

综上所述，本文开发并广泛验证了一种高度准确的临床级工具，用于结直肠标本的辅助诊断处理。该工具允许对结直肠癌组织进行定量破译，以开发预后和预测生物标志物，并实现肿瘤护理的个性化。这项研究是SemiCOL计算挑战的基础。本文开源多个手动注释和弱标签的测试数据集，对结直肠癌计算病理学领域做出了重大贡献。

 

原文出处

Griem J, Eich ML, Schallenberg S, Pryalukhin A, Bychkov A, Fukuoka J, Zayats V, Hulla W, Munkhdelger J, Seper A, Tsvetkov T, Mukhopadhyay A, Sanner A, Stieber J, Fuchs M, Babendererde N, Schömig-Markiefka B, Klein S, Buettner R, Quaas A, Tolkach Y. Artificial intelligence-based tool for tumor detection and quantitative tissue analysis in colorectal specimens. Mod Pathol. 2023 Sep 6:100327. doi: 10.1016/j.modpat.2023.100327. Epub ahead of print.