西安電子科技大學計算機科學與技術學院軟件工程研究所劉西洋教授團隊，在學院“軟件工程”學科建設支持下，與上海龍華醫院於觀貞教授、長海醫院陳穎教授等團隊合作，開展了胃癌淋巴結轉移預後預測的AI研究，曆時三年，近期以西電第一作者單位在Nature Communications (IF=12.1)發表成果“Predicting gastric cancer outcome from resected lymph node histopathology images using deep learning”，研發了針對胃癌淋巴結病理臨床診斷與精準亞分期的AI係統。

　　腫瘤淋巴結轉移分析是基於TNM分期的癌症治療預後估計的關鍵環節之一。目前，臨床主要是采用目測檢查淋巴結的組織切片方式，這個過程需要對每個患者檢查至少十幾個淋巴結，非常耗時且很容易漏診。國內醫療資源緊缺，病理醫生負擔繁重，為了快速給出診斷報告，致使漏診進一步增加。此外，即使在同一N分期中，患者的預後也存在巨大差異。實際上，病理分析是腫瘤疾病診斷的“金標準”，病理分析對患者的預後分型分期至關重要。然而，由於人眼觀察的局限性，病理圖像體積巨大，這些潛在信息一直未被充分挖掘和量化。病理數字化掃描技術與人工智能的發展，為病理信息的充分挖掘提供了強有力的技術手段。

基於深度學習的淋巴結病理組織分析框架

　　在這項研究中，研究人員使用大規模臨床胃癌淋巴結轉移病理組織切片數據(19,705個淋巴結)作為研究隊列。首先，將淋巴結外的組織區域通過分割網絡進行剔除。然後，結合主動學習，並引入淋巴結組織結構的先驗知識的基礎上，將非腫瘤細胞區域中容易被誤識別的包括竇組織、脂肪細胞等進一步細化標注，從而實現僅用少量標注的樣本集，構建更魯棒可靠、臨床可用的腫瘤區域識別模型。

基於淋巴結組織結構的細粒度密集標注的示例