基于计算机辅助定量分析技术及数字病理预测淋巴结转移阴性胃腺癌预后的研究

Prediction the recurrence of node-negative gastric adenocarcinoma is important for precise treatment, reducing treatment related mortality and reducing social and economic burden.There is no effective method to evaluate the prognosis of these patients at home and abroad. Computer aided image analysis system （CAI）could help evaluate prognosis of gastric adenocarcinoma incontestably. CAI of digital pathological images is also a hot and challenging topic in the field of medical imaging processing. Our project aims to mine the medical image quantitative data related with prognosis of node-negative gastric adenocarcinoma, including nuclear morphology, texture, nuclear spatial structure and so on, through the data mining technology, pattern recognition theory , clinical medical knowledge, computer vs. human and immunohistochemistry/FISH. And then a new and efficient CAI will be proposed sequentially after feature selection. Finally, the constructed CAI will be verified by the pathologist and collected clinical data. This new CAI may provide a rapid and accurate assessment of prognosis of node-negative gastric adenocarcinoma and lay the foundation for future CAI.

预测淋巴结转移阴性胃腺癌患者预后，对精准治疗、降低死亡率减轻社会经济负担均有重要意义。国内外缺乏对该类患者预后评估的有效途径。计算机辅助图像分析系统有助于评估胃腺癌的预后，结合本人前期利用计算机图像辅助分析技术通过乳腺癌H&E数字病理图像成功构建智能分级细胞核异型性分类器的基础上，本项目针对国人淋巴结转移阴性的胃腺癌数字病理图像特点，以病理学诊断标准为依据，拟采用计算机图像处理技术构建癌细胞核分布模型，智能获取癌细胞核形态、纹理及多维空间分布特征等各种图像量化信息，筛选图像序列中隐含的与预后有关的量化数据，通过多种机器学习方法，筛选锁定最佳分类器，并结合患者五年生存期、临床病理特征、人机对照及免疫组化/FISH等方法进行对比分析，验证分类器识别结果是否为准确、独立的预后指标，为临床提供快速、精准、可重复的评估该类患者预后的途径，并为早日实现先进智能辅助诊断系统的临床应用奠定基础。

背景：预测淋巴结转移阴性胃腺癌患者预后，对精准治疗、降低死亡率减轻社会经济负担均有重要意义。国内外缺乏对该类患者预后评估的有效途径。计算机辅助图像分析系统有助于评估胃腺癌的预后，方法：对160例回顾性INGA患者的组织微阵列队列进行数字扫描，并随机选择为训练队列（D1=60）、验证队列（D2=100和D3=100，D2和D3是来自同一患者的不同肿瘤TMA点），伴有免疫组化数据队列（D3′=100，重复D3队列）和阴性对照数据队列（D5=100，正常相邻组织）。通过基于分水岭的方法进行核分割后，在每个TMA核上捕获了189个局部核特征，通过Wilcoxon秩和检验在D1内选择了前5个特征。基于形态计量学的图像分类器（NGAHIC）跨区分特征组成，并预测D2上INGA的复发。在D3上评估肿瘤内异质性。两名病理学家对D1和D2进行了人工核异型性分级。免疫组化法分别检测D3和D3′上HER2和Ki67的表达。分析了人工评分与INGA结果之间的相关性。结果：独立验证结果显示，NGAHIC的复发预测AUC为0.76。单变量生存分析显示，NGAHIC阳性患者总体生存率较差（P=0.017）。控制T期、组织学分期和浸润深度的多变量生存分析表明，NGAHIC阳性是疾病特异性生存率较低的一个可重复的预后因素（HR=17.24，95%CI 3.93–75.60，P<0.001）。相比之下，人工分级仅对D2上有预测作用。此外，NGAHIC阳性患者与HER2和Ki67标记指数阳性之间存在显著相关性。结论：NGAHIC可以提供精确的肿瘤学、个性化的肿瘤管理。