用户登录转化医学是什么？

有望推动AI病理学临床转化！南方医科大学南方医院等单位合作发文：可预测结肠癌中LNM状态的多模态模型

首页 » 《转》译 1小时前转化医学网赞(2)

导读	综上所述，DeepLNM作为一种在临床上初步验证的多模态模型，可有效预测CRC患者的LNM状态，有望推动AI病理学的临床转化应用。

近日，南方医科大学南方医院/河北医科大学第四医院/‌南方医科大学珠江医院研究团队合作共同在期刊《Advanced Science》上发表了研究论文，题为“DeepLNM: A Multimodal Model for Predicting Lymph Node Metastasis in Colorectal Cancer”，本研究中，研究人员提出了一种名为DeepLNM的多中心基础模型，用于结直肠癌（CRC）淋巴结转移（LNM）的预测，并通过回顾性、外部验证、前瞻性及用户研究证据进行了评估。该模型整合了来自三家医院的多模态数据集，在用户研究中，DeepLNM显著提高了诊断准确性，尤其对初级病理医生效果明显（准确率提升至95.0%–97.3%），同时缩短了诊断时间并增强了诊断信心。为探索模型的泛化能力，研究人员进一步在胃癌队列中进行验证，取得了0.793的AUC。最后，DeepLNM识别出与LNM相关的组织病理学特征，缓解了深度学习“黑箱”问题的担忧。综上所述，DeepLNM作为一种在临床上初步验证的多模态模型，可有效预测CRC患者的LNM状态，有望推动AI病理学的临床转化应用。

淋巴结转移状态在结直肠癌TNM分期中的核心价值与临床指导意义

结直肠癌（CRC）是消化系统中最严重的恶性肿瘤之一，也是全球癌症相关死亡的第四大原因，对人类健康构成重大威胁。在结直肠癌中，淋巴结转移（LNM）状态对于临床分期系统至关重要，原发肿瘤浸润深度（T分期）和区域淋巴结转移（N分期）是制定手术方案的关键决定因素。淋巴结转移的存在与疾病复发风险增加及癌症相关死亡率显著升高密切相关，从而影响结直肠癌患者个体化和精准治疗策略的选择。

基于深度学习的预测可视化

最后，研究人员采用了可视化技术来解释模型如何做出预测，这是深度学习在病理学临床应用中的关键步骤。作为对先前集成梯度（IG）分析的补充，研究人员进一步采用无监督聚类技术来解释模型学习到的高维特征表示，这与计算病理学基础模型中已建立的范式相一致。聚类趋势分析显示，基于临床淋巴结转移（LNM）状态，图像块呈现出明显的层级分化。聚类1和5对LNM阳性组具有高度特异性，其中聚类1完全由阳性图像块组成（100%），聚类5的阳性率达到99.5%。相反，聚类0和4主要富集在LNM阴性组中。这种基于标签的明显分离通过UMAP投影得到了视觉验证，其中聚类在特征空间内形成了界限清晰、相互隔离的区域，反映了模型编码判别性组织学特征的能力。

随后，研究人员检查了这些代表性细胞群的组织学形态，以验证其生物学相关性。与LNM阴性相关的细胞群内的斑块主要表现出非肿瘤特征，表明其侵袭性较低。例如，细胞群4主要显示出丰富的基质结缔组织，而细胞群0则显示出缺乏明显异型性的良性细胞成分。形成鲜明对比的是，与LNM阳性相关的细胞群捕捉到了侵袭性肿瘤特征。这些发现表明，该模型能够成功区分良性间质或非肿瘤特征与高风险转移形态，从而确定淋巴结转移状态，这与可解释多模态预后模型的最新进展一致。