深圳大學醫(yī)學部生物醫(yī)學工程學院倪東教授團隊在《Nature Communications》上發(fā)表了題為“Computational analysis of pathological images enables a better diagnosis of TFE3 Xp11.2 translocation renal cell carcinoma”的論文（全文鏈接：https://www.nature.com/articles/s41467-020-15671-5）。該研究為深圳大學醫(yī)學部生物醫(yī)學工程學院倪東教授團隊和美國印第安納大學醫(yī)學院Kun Huang、Liang Cheng、Jie Zhang教授等合作完成。倪東教授為共同通訊作者，其團隊成員程君助理教授為第一作者。

TFE3 Xp11.2 translocation renal cell carcinoma（TFE3-RCC）是一種罕見的腎細胞癌，相較于其他腎細胞癌亞型，其惡性程度更高，但臨床診斷過程中病理醫(yī)生很難通過常規(guī)的H&E染色病理切片將TFE3-RCC與其他腎細胞癌亞型區(qū)分，而是需要借助其他操作更為復雜的方法如熒光原位雜交進行鑒別診斷。該研究基于常規(guī)的H&E染色病理切片，收集了迄今為止樣本量最大的TFE3-RCC數(shù)據(jù)集，設計開發(fā)了一種利用計算機自動分析數(shù)字病理圖像的分析方法（圖1），尋找對TFE3-RCC和透明細胞腎細胞癌（最常見的腎細胞癌，約占75%）具有顯著鑒別能力的細胞形態(tài)學特征，并利用機器學習的方法對這兩種類型的癌癥進行自動區(qū)分。在獨立的驗證集上，該研究所提出方法的分類性能可達ROC曲線下面積0.894。

該研究依托廣東省生物醫(yī)學信息檢測與超聲成像重點實驗室、醫(yī)學超聲關鍵技術國家地方聯(lián)合工程實驗室和深圳大學醫(yī)學超聲圖像計算實驗室（Lab of Medical UltraSound Image Computing, MUSIC），得到國家重點研發(fā)計劃、國家自然科學基金、深圳市孔雀計劃、印第安納大學精準健康計劃和美國癌癥協(xié)會的資助。

圖1. 研究流程概覽