近日，中国科学院深圳先进技术研究院医疗机器人与微创手术器械研究中心秦文健博士课题组，与美国MD Anderson Cancer Center的国际合作成果，发表在肿瘤学领域TOP期刊Cancers（IF=5.2）上。 

　　通过数字病理图像构建肿瘤预后预测模型是该领域的研究热点，然而现有的基于数字病理图像的预后分析技术主要对原始病理图像进行直接分析，而肿瘤微环境的空间关系分析方面仍未完全的探索。因此，为探究细胞的类型和分布的空间在肿瘤微环境中的表现是否与患者生存预后关联性，研究人员提出了一种基于全景数字病理图像的生存预测框架。该框架可以自动地对图像里的各个细胞进行核分割和标记，同时自适应地根据任务构建基于不同位置、不同类型细胞核的嵌入地图特征，并最终利用提取到的特征信息分析患者生存预后风险。本论文提出预测模型是采用基于Transformer和MLP-Mixer结构的双支设计，在全局微环境分布关系提取的同时兼顾不同类型、位置细胞之间的交互关系。最后将该模型在肺腺癌病理图像中进行实验验证，实验结果显示本论文框架提取到了不同类型的细胞的形态和结构特征，证实了这些特征与患者的生存预后密切相关，并与现有深度学习算法相比，本论文提出模型在肺腺癌取得了更有效的预测性能，同时该方法具有扩展到其他恶性肿瘤的全景数字病理图像潜力，为肿瘤预后模型构建提供了新的研究思路和分析方法。 

　　中国科学院深圳先进技术研究院博士生刁颂辉为论文第一作者，秦文健博士为论文通讯作者。该研究得到了国自然面上项目、中科院青年创新促进会和深圳市基础重点等项目的资助。

　　图1 基于细胞级别的双分支预后预测模型 

　　图2 不同类型细胞的分割结果

　　图3 所提出框架的生存分析结果

　　原文链接