西安电子科技大学计算机科学与技术学院软件工程研究所刘西洋教授团队，在学院“软件工程”学科建设支持下，与上海龙华医院于观贞教授、长海医院陈颖教授等团队合作，开展了胃癌淋巴结转移预后预测的AI研究，历时三年，近期以西电第一作者单位在Nature Communications (IF=12.1)发表成果“Predicting gastric cancer outcome from resected lymph node histopathology images using deep learning”，研发了针对胃癌淋巴结病理临床诊断与精准亚分期的AI系统。

　　肿瘤淋巴结转移分析是基于TNM分期的癌症治疗预后估计的关键环节之一。目前，临床主要是采用目测检查淋巴结的组织切片方式，这个过程需要对每个患者检查至少十几个淋巴结，非常耗时且很容易漏诊。国内医疗资源紧缺，病理医生负担繁重，为了快速给出诊断报告，致使漏诊进一步增加。此外，即使在同一N分期中，患者的预后也存在巨大差异。实际上，病理分析是肿瘤疾病诊断的“金标准”，病理分析对患者的预后分型分期至关重要。然而，由于人眼观察的局限性，病理图像体积巨大，这些潜在信息一直未被充分挖掘和量化。病理数字化扫描技术与人工智能的发展，为病理信息的充分挖掘提供了强有力的技术手段。

基于深度学习的淋巴结病理组织分析框架

　　在这项研究中，研究人员使用大规模临床胃癌淋巴结转移病理组织切片数据(19,705个淋巴结)作为研究队列。首先，将淋巴结外的组织区域通过分割网络进行剔除。然后，结合主动学习，并引入淋巴结组织结构的先验知识的基础上，将非肿瘤细胞区域中容易被误识别的包括窦组织、脂肪细胞等进一步细化标注，从而实现仅用少量标注的样本集，构建更鲁棒可靠、临床可用的肿瘤区域识别模型。

基于淋巴结组织结构的细粒度密集标注的示例