基于人工智能全自动显微镜的HER2阳性乳腺癌诊断系统的构建与应用

摘要

目的:研究旨在针对目前病理科在人表皮生长因子受体2(Human epidermal growth factor receptor-2,HER2)阳性乳腺癌诊断中存在的问题,设计一套基于人工智能(artificial intelligence,AI)全自动显微镜的HER2阳性乳腺癌的诊断系统,提高诊断的准确率和工作效率.方法:设计和构建了一套基于AI的全自动显微镜的HER2阳性乳腺癌诊断系统.在硬件方面,设计和开发了自动扫描台、高速相机以及电动Z轴集成高分率光栅等,集成电动物镜切换、滤光片切换、预览相机、自动滴油装置等硬件模块,可同时支持扫描苏木精—伊红染色法(hematoxylin-eosin staining,HE)及荧光原位杂交技术(Fluorescence in situ hybridization,FISH)两类全景图像,可以实现人工智能全自动显微镜HER2乳腺癌辅助诊断一体机(简称一体机)多用途的应用.在软件方面,本课题组基于荧光显微镜拍摄的HER2基因FISH荧光染色照片,结合AI和深度学习(deep learning,DL)技术,以及传统计算机视觉处理方法,构建肿瘤细胞检测模型.此外,研究还基于HE染色组织病理图片对HER2阳性进行预测分析.根据在FISH荧光染色的HER2阳性细胞,在HE上进行定位,建立DL模型,提取大量特征进行判读.结果:该系统的信号寻找准确率、肿瘤细胞检测敏感性和特异性均较高,满足病理科实验室的工作需求,有助于提高工作效率.全面解决了现有检测方法存在的问题:显著提高了可重复性;显著降低了观察者间和观察者内变异.基于FISH图片,乳腺癌HER2基因信号自动计数准确率趋于100％;基于HE染色组织病理图片对HER2阳性进行预测分析奠定了较好的可行性基础.结论:该系统准确率、敏感性和特异性高,全面解决了目前病理科现有检测方法存在的问题.该系统在HER2型恶性肿瘤的诊断、对靶向药物治疗反应的预测以及对病理科医生的培训和教育等领域均具有广泛的应用价值.