基于人工智能的膀胱癌免疫表型分析模型的开发与验证：使用全切片图像

《npj Precision Oncology》：Development and validation of artificial intelligence-based model for bladder cancer immunophenotyping using whole slide images

　　

摘要

在肌肉浸润性膀胱癌（MIBC）中，免疫表型的分类对于预测免疫治疗反应和临床结果至关重要，然而目前的评估方法缺乏标准化和可扩展性。我们开发并验证了一种基于人工智能的MIBC免疫表型诊断系统，该系统利用计算病理学技术，能够从常规的苏木精和伊红染色全切片图像中进行可重复的分类。在这项多中心回顾性诊断研究中，纳入了2014年至2024年间在两家中国医院接受部分或根治性膀胱切除术的患者，以及来自癌症基因组图谱（The Cancer Genome Atlas）队列的患者；其中独立队列接受了免疫检查点抑制剂治疗，以评估治疗效果。该系统结合了基于Hover-Net的核分类技术和细胞结构图网络，用于模拟肿瘤微环境中的细胞间空间相互作用。在外部验证队列中，该模型的宏观曲线下面积值介于0.922至0.956之间，宏观准确率介于0.922至0.950之间，显示出较强的泛化能力。在一项人机协作研究中，该系统的表现优于初级和高级病理学家，并显著提高了初级病理学家的诊断准确性，同时缩短了审查时间。预测为炎症性的肿瘤表现出丰富的CD8+ T细胞浸润、升高的检查点基因表达，以及与免疫治疗反应更强的相关性。这些发现支持将精准免疫肿瘤学应用于膀胱癌的临床实践。